理解vc维

最新推荐文章于 2023-04-20 12:27:02 发布
最新推荐文章于 2023-04-20 12:27:02 发布
阅读量432 收藏
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cpsinwhu/article/details/50416885
版权

Vapnik书上的定义写得很晦涩，就写一点简单的

什么叫做VC维大于等于d？

就是存在d笔资料，可以被分类函数shatter

什么叫做VC维小于等于d？

就是任何d+1比资料都不能被分类函数shatter

所以VC维等于d是啥意思呢？

就是对于任意D <= d的时候，都存在D笔资料可以被分类函数shatter的情况，但是一旦当D大于d的时候，突然D笔资料就没办法被分类函数shatter了

我写得很不详细，想要真的弄懂VC维，除了要花功夫，还要找到正确的学习方法

推荐台湾大学coursea的机器学习基石课程

真心靠谱

蔡叫兽
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
VC维的理解
12-11
VC维是统计学习理论中一个关键概念，理解VC维是统计学习的关键步骤。VC维的理解可以帮助我们更好地理解统计学习的原理和应用。 VC维的理论是基于Vapnik-Chervonenkis维数的概念，VC维是指在学习过程中，学习函数集...
VC将二维数组显示为图像
11-26
在Windows编程中，将二维数组显示为图像是一项常见的任务，特别是在图像处理和计算机视觉领域。本文将详细讲解如何使用Visual C++（简称VC）来实现这个功能，以及涉及的关键知识点。 首先，我们要知道二维数组在...
ＶＣ维理解
Suan2014的博客
06-06 1457
转自：https://blog.csdn.net/winper001/article/details/52863548在机器学习里我们常常看到这样的说法：一般而言, VC 维 越大, 学习能力就越强,学习也越复杂；可以通过 VC 维 计算学习风险的上界。但进一步对VC维的介绍却不多，例如，VC维是什么？如何计算VC维？我们认为2D线性分类器的VC维为3，而不是4。即，2D线性分类器可以打散集合大小...
vc维的理解
qiuhaibo520的专栏
11-04 1365
今天开始看《支持向量机导论》，前面三章讲的还是通俗易懂的。但是第四章看了一节之后，就让人坠入云里雾里了。其中VC维数讲了长长的一大段，看了几遍都是不知所云。于是我只能BAIDU下了。果然，网上很多人对这个问题相当关心的，也有些很经典的解释。我摘录如下： VC维被认为是数学和计算机科学中非常重要的定量化概念，它可用来刻画分类系统的性能.    模式识别中VC维的直观定义是:对一个指示函数集，如果
VC维举例以及理解
yueguanli的博客
05-22 2539
网上看了很多VC维的讲解，但依然云里雾里，我曾听过老师讲过两遍，也搜了很多解释，可能是我理解能力比较差，我始终无法深入明白是什么意思。又由于这个概念（或许）不是特别特别重要的概念，貌似也没有特别影响我做其它的实验以及学习，因为论文中强调这个的并不多，或者说我基本没在论文中见过有人讨论VC维，以至于每次见到即便没搞懂，下完课，吃罢饭我好像就忘了。今天回看统计学习方法时，想到这个概念，便了解了一下。 这篇博客并不准备长篇大论的讲各种基本概念，公式，旨在以两个小例子帮助我以后想到这个概念时可以迅速的想起它.
机器学习|VC维的理解
weixin_45581089的博客
01-09 2815
考虑二分类问题 现有数学定义： 待分类样本集 假设空间 那么利用假设对样本集进行标记，那么二分类就是对样本标记为1,-1 例如 ‘对分’和‘打散’ 相当于利用红线，完成将样本点标记为‘+’或‘-’，每种标记称为一种“对分” 对于二分类，最多有2^m种标记结果，于是取定义： 是样本集的数据数量 若能实现所有种对分，则称数据集可被假设空间“打散” 再回到例题： 图(a)，所以共有种可能的标记结果（分类结果），且均可以由假设空间实现； 图(b)，可有16种对分，但是用..
关于VC维的理解
热门推荐
微念的博客
06-27 2万+
简介 &amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;&amp;amp;nbsp;VC维，全称为Vapnik-Chervonenkis Dimension，它反映了模型的学习能力，VC维越大，则模型的容量越大。 通俗定义 &amp;amp;nbsp;&amp;amp;nbsp;
VC维
TH_NUM的博客
06-02 7176
为什么引入VC维 PAC中以|H |来刻画样本复杂度,它存在以下不足:可能导致非常弱的边界;对于无限假设空间的情形, 1/b*(log2(|H|)+log2(1/d))((2)式)根本无法使用。因此有必要引入另一度量标准VC 维。假设空间的VC 维, 用VCdim(H)表示, 被定义为最大的样本数d ,使得在所有可能的2 d 种二分(dichotomy)中,都能找到与该划分一致的一个假设。VC 维
VC维理解
winper001的博客
10-19 7075
在机器学习里我们常常看到这样的说法：一般而言, VC 维 越大, 学习能力就越强,学习也越复杂；可以通过 VC 维 计算学习风险的上界。但进一步对VC维的介绍却不多，例如，VC维是什么？如何计算VC维？ 我们认为2D线性分类器的VC维为3，而不是4。即，2D线性分类器可以打散集合大小为3的样本集合，不能打散有4个样本的集合。 1.集合大小为3的样本集合。 存在两种情况：a. 3个点不
机器学习——VC维问题
qq_53142796的博客
04-20 395
VC维在机器学习中的意义还是很大的，它是统计学习理论用来衡量函数集性能的一种指标——VC维越大，则学习过程越复杂。目前还没有通用的关于任意函数集VC维的计算理论，只知道一些特殊函数集的VC维。对于一个指示函数集，如果存在h个数据样本能够被函数集中的函数按所有可能的2^h 种形式分开 ，则称函数集能够把h个数据样本打散。，VC维越高的模型，能够表征的函数就越广泛，但由于数据的不足容易造成过拟合。若对任意数目的数据样本都有函数能将它们打散，则函数集的VC维为无穷大。模型的复杂度和灵活度。
KNN.rar_knn_knn vc维多少
09-14
总结来说，KNN算法的VC维是理解其理论能力的关键，而实际应用中需要考虑维度影响、K值选择以及优化搜索策略，以达到良好的分类效果。在实现过程中，还需要关注数据预处理和效率优化，以确保模型的准确性和实用性。
在VC中实现OpenGL三维绘图_Vc_
10-03
在Visual C++（简称VC）环境中实现OpenGL三维绘图，需要掌握以下几个关键知识点： 1. **OpenGL库的引入**：在VC项目中，首先需要引入OpenGL库。这通常通过链接器设置实现，添加`opengl32.lib`和`glu32.lib`库文件，...
[Theory] VC 维学习笔记 [李雨佳]1
08-03
理解VC维的核心在于理解它如何影响学习算法的泛化能力。根据Hoeffding不等式，我们可以估算模型在训练集和测试集上的表现差异。在假设空间H中，如果模型数量M较小，可能Ein(g)（训练误差）较小，但Eout(g)（测试误差...
synchronized-4月5日.md
最新发布
07-06
synchronized-4月5日.md
场景化落地应用推进制造企业数字化转型两套文档.pptx
07-05
场景化落地应用推进制造企业数字化转型两套文档.pptx
1111111111111111111111111111111
07-06
1111111111111111111111111111111
大型企业数字化转型管控平台解决方案两套材料.pptx
07-05
大型企业数字化转型管控平台解决方案两套材料.pptx

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值