VC 维的定义与意义
哪些公司问过
答案要点
- VC 维:假设空间能打散的最大样本数
- 打散:m 个点的全部 2^m 种标签都能被某个假设完全分对,只需存在一组点
- 二维线性分类器 VC 维为 3,d 维线性分类器为 d+1
- 泛化误差上界随 VC 维增大、随样本数增大而减小
- 对深度网络 VC 上界通常很松,难以解释其实际泛化
易错点
- 把打散理解为任意 m 个点都要能被打散
- 说 d 维线性分类器的 VC 维是 d
- 认为参数越多 VC 维一定越大,两者没有严格对应
面试官常见追问
- VC 维和参数个数是什么关系?
- VC 维对实践有什么指导意义?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。