Dans la série de conférences Learning from Data , le professeur mentionne que la dimension VC mesure la complexité du modèle sur le nombre de points qu'un modèle donné peut briser. Donc, cela fonctionne parfaitement pour les modèles de classification où nous pourrions dire sur N points si le classificateur est capable de briser efficacement k points, la mesure de la dimension VC serait K. Mais il n'était pas clair pour moi comment mesurer la dimension VC pour les modèles de régression ?
regression
machine-learning
vc-dimension
karthikbharadwaj
la source
la source
Réponses:
Tiré des éléments de l'apprentissage statistique , p. 238:
Ou, (un peu) plus intuitivement, pour trouver la dimension VC d'une classe de fonctions à valeur réelle, on peut trouver la dimension VC de la classe de fonctions indicatrices qui peut être formée en seuillant cette classe de fonctions à valeur réelle.
la source
Voir la section 5.2 de Statistical Learning (Vapnik) pour une dérivation de l'astuce d'indicateur de seuillage utilisant des mesures de Lebesgue-Stieltjes. AFAIK c'est la seule et définitive référence. Vous devez déjà savoir où trouver le livre (et d'autres de Vapnik, ils sont tous superlatifs).
la source