VC理论

瓦普尼克-契尔沃年基斯理论（英语：Vapnik–Chervonenkis theory），又称VC理论（VC theory）是一个于1960年代到1990年代由苏联数学家弗拉基米尔·瓦普尼克及阿列克谢·契尔沃年基斯建立的一套机器学习理论（英语：Computational learning theory），使用统计的方法，因此有别于归纳学习等其它机器学习方法。

由这套理论所引出的支持向量机对机器学习的理论界以及各个应用领域都有极大的贡献。

主要概念

• 损失函数
• 期望风险， 经验风险， 结构风险
• VC维
• 支持向量机
• 条件随机场

参考资料

• ^ Vapnik, Vladimir N. The Nature of Statistical Learning Theory. Information Science and Statistics. Springer-Verlag. 2000. ISBN 978-0-387-98780-4.
• Vapnik, Vladimir N. Statistical Learning Theory. Wiley-Interscience. 1989. ISBN 0-471-03003-1.

参看

• Richard M. Dudley, empirical processes, Shattered set.