2-D的感知机的VC维度是3

1.增长函数

增长函数表示假设空间H对m个示例所能赋予标记的最大可能结果数。
比如说现在数据集有两个数据点，考虑一种二分类的情况，可以将其分类成A或者B，则可能的值有：AA、AB、BA和BB，所以这里增长函数的值为4. 增长函数值越大则假设空间H的表示能力越强，复杂度也越高，学习任务的适应能力越强。不过尽管H中可以有无穷多的假设h，但是增长函数却不是无穷大的：对于m个示例的数据集，最多只能有2^{m个标记结果，而且很多情况下也达不到2}m的情况。

2.对分

对于二分类问题来说，H中的假设对D中m个示例赋予标记的每种可能结果称为对D的一种对分。对分也是增长函数的一种上限。

3.打散

打散指的是假设空间H能实现数据集D上全部示例的对分，即增长函数=2^m。

4.VC维度

假设空间H的VC维是能被H打散的最大的示例集（数据集）的大小，即有：

其中为∏(m)假设空间在数据集大小为m时的增长函数。对于一个假设空间，如果存在m个数据样本能够被假设空间中的函数按所有可能的种形式分开，则称假设空间H能够把m个数据样本打散。假设空间H的VC维就是能打散的最大数据样本数目m。若对任意数目的数据样本都有函数能将它们shatter，则假设空间H的VC维为无穷大。

问题解释：

2-D的感知机的VC维度是3代表着在二维平面中做一个二分类问题，当数据大小为3的时候，无论数据的分布是什么，都存在一条线可以将他们区分。但是当增加一个数据，则对2^4种对分情况，至少存在一种对分不能被线性划分，例如二维空间感知机无法解决异或问题。
在课堂上提到的一种情况：
在二维平面中，如果三个样本处在一条直线上依次标记为（+，-，+），此时依旧无法对其进行线性划分，我认为这种情况下，样本不在是处于一个二维平面，而是一个一维直线，也就是此时是一个1-D的感知机而它的VC维度应该是2，不是3。