基于“结构化风险最小化”的机器学习算法？

哪些机器学习算法（除SVM之外）使用结构化风险最小化原则？

结构风险最小化原则是在所有机器学习方法中至少部分“使用”的原则，因为通常会考虑过度拟合：降低模型的复杂性（假设和在实践中）是一种很好的限制方法过度拟合。

• SVM明确具有复杂性的参数（特征空间的维数，甚至是内核函数），这是必需的，因为增加复杂度是学习算法的一部分。

• 神经元网络也可以很容易地指示其复杂性（“细胞”的数量），并且是相关学习算法的一部分。

• 没有这个原理，语法推断既是愚蠢的，也是完美语法，它是所有可能单词的列表，因此，每个非平凡的算法至少都承认这一原理。

• 决策树有自己的熵概念。

• 可以简单地对群集进行计数，或者可以固有地“使用”该原理，也可以具有固定数量的群集，在这种情况下，可以在更高级别上应用该原理。

老实说，我真的不知道基因编程会发生什么，但是他们没有内在的复杂性概念。

我不太了解归纳逻辑编程，但是它似乎不能很好地适应该原理。