假设space H1 的VC 维度大于假设space H2 的VC 维度
The VC dimension of hypothesis space H1 is larger than the VC dimension of hypothesis space H2
我已阅读 VC 维度的定义。但是我不清楚如果假设spaceH1的VC维度大于假设spaceH2的VC维度, 那么这是否表明学习 H1 中的假设所需的示例数量小于 H2 所需的示例数量或反之亦然。
据我所知，VC 维度是 X 的最大有限子集的大小，该子集被假设 space H 打散。但我不知道 VC 所需样本数的关系尺寸。
请任何人用简单的句子向我解释这个概念。
如果假设 space H1 的 VC 维度大于假设 space H2 的 VC 维度。举个例子，VC(圆圈) = 3 和 VC(三角形)= 7。
我们可以检查圆形最多可以破碎 3 个点，三角形最多可以破碎 7 个点。因此，三角形分类器中的实例点比圆形更大。因此，在三角形的情况下，需要更多的训练示例来学习分类器。如：
m=1/2ε * [ln(|H|) + ln(1/δ)]
其中 m 表示学习分类器所需的最少训练示例数。于是
|H| for circle is 2^3
|H| for triangle is 2^7
只有两个类。
我已阅读 VC 维度的定义。但是我不清楚如果假设spaceH1的VC维度大于假设spaceH2的VC维度, 那么这是否表明学习 H1 中的假设所需的示例数量小于 H2 所需的示例数量或反之亦然。 据我所知，VC 维度是 X 的最大有限子集的大小，该子集被假设 space H 打散。但我不知道 VC 所需样本数的关系尺寸。 请任何人用简单的句子向我解释这个概念。
如果假设 space H1 的 VC 维度大于假设 space H2 的 VC 维度。举个例子，VC(圆圈) = 3 和 VC(三角形)= 7。 我们可以检查圆形最多可以破碎 3 个点，三角形最多可以破碎 7 个点。因此，三角形分类器中的实例点比圆形更大。因此，在三角形的情况下，需要更多的训练示例来学习分类器。如：
m=1/2ε * [ln(|H|) + ln(1/δ)]
其中 m 表示学习分类器所需的最少训练示例数。于是
|H| for circle is 2^3
|H| for triangle is 2^7
只有两个类。