支持向量机的VC维度与其支持向量的数量如何相关？是否有一个公式将这两个量联系起来？
最佳答案
VC维数（对于Vapnik Chervonenkis维数）（Vapnik和Chervonenkis（1968年，1971年），Vapnik（1979年））衡量了假设空间的容量。能力是对复杂性的一种度量，它通过评估其成员的虚假程度来度量一组功能的表达能力，丰富性或灵活性。瑟威尔（2006）
换句话说，它显示了可以被模型完美粉碎的最大样本数。
另一方面，支持向量是定义超平面的点。这可能与VC维度有关，但是在两者之间未建立充分证明的映射。
实际上，对于非线性分类器来说，不容易获得实际的VC维数（对于线性分类器，n + 1）。这是one paper called Ellipsoidal Kernel Machines试图使用允许间隔的分类器估计svm的维，但是我认为这与您希望看到的定义良好的关系相去甚远。
关于machine-learning - VC维数和支持向量数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21561773/