我正在努力理解这一点。这是场景：
X = R^2
H = { h(x) = x + 10 }
我需要计算上述线性分隔符的 VC 尺寸。不知何故，这个线性分隔符的 VC 维度是 3。我只是不明白怎么做。
据我了解，VC 维度是最大有限子集的大小，X可以被h. 因此，如果存在n所有点都被 粉碎h的大小子集，并且存在n+1至少一个点未被 粉碎的大小子集h，则 VC 维度将为n。
是的。我们只需要假设线上有一个点，通过保持线（X轴）稳定，我们可以翻转哪一边是正/负
是的，因为我们可以使用单行分隔所有 4 个组合 { ++, --, +-, -+ }
根据我的理解，这应该是 NO。我们怎么能把这个案子分开
+ - +？
但我正在看一个视频，它解释了 VC 维度，它说它是三个，我不明白如何。
分类器的 VC 维度取决于数据点所属的空间维度。
在你的问题中，如果你的意思是，则 VC 维数为 3。对于，您总是可以粉碎任何三个一般位置点（“一般位置”意味着它们不会巧合地位于同一条线上）。例如，考虑三点(0,0), (0,1), (1,0)。无论您如何为它们分配标签，您始终可以用一条线将它们分开。(0,0), (0,1), (1,0), (1,1)如果您考虑带有label 的点[+,-,-,+]，这是不能用线分隔的“xor”情况。
为了，则 VC 维度为 2，因为您无法分离+-+。
一般来说对于，线性分类器的 VC 维度为.
VC 维度取决于您的数据维度和您正在评估的函数族。
在，家庭的VC维度定向线的数量是 3，因为使用定向线，考虑到所有 8 种可能的标签分配，您只能正确分类三个点，如下图所示：
图来自：https ://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/svmtutorial.pdf
你的函数族是线族的一个子集，则 VC 为 3，您可以尝试绘制与上述相同的图形，但您的特定. 考虑到这一系列函数的 16 种可能标签，您将无法分开 4 个点。