9 EthemAlpaydın撰写的《机器学习入门》一书指出，与轴对齐的矩形的VC维数为4。但是，矩形如何破碎由四个共线点组成的正负交集？ 有人可以解释和证明矩形的VC尺寸吗？ classification vc-dimension — 卡兹 source
20 tl; dr：您对VC尺寸的定义不正确。 矩形的VC维是矩形可以打散的最大点集的基数。 矩形的VC尺寸为4，因为存在一个可以由矩形破碎的4个点的集合，而不能由一个矩形破碎任何5个点的集合。因此，虽然矩形不能粉碎具有正负交替的四个共线点的集合是正确的，但VC维度仍然为4，因为存在一个可以粉碎的4个点的配置。 — 中性 source
11 算法的VC维数是最大点数，使得 存在一些点的布局，使得 对于这些点的所有标记，该算法不会出错 确实，有四个点的布局（如菱形），以便矩形可以将任何一组正点与其他点分开。存在矩形将失效的四个点的布局是无关紧要的。 这是一个带有图表的文章。 — 安迪·琼斯（Andy Jones） source 那是一个很好的答案，文章很有帮助，但是我仍然对5分不可能破灭的可能性感到好奇吗？我认为也存在一种布局，您可以将正值与负值分开，例如星形的三个点为正，其余为负，反之亦然。我想念什么吗？ — 柯克·沃拉
0 将其视为您和对手之间的游戏。您选择点的位置，然后对手按他喜欢的方式标记它们。如果他通过找到无法打碎的标签获胜，则VC维度小于点数，但是如果您获胜，则VC维度等于或大于点数。在您的问题中，您不必选择这种安排，而是可以找到更好的积分安排，让您获胜。 — 艾哈迈德 source 1 都是如此，但是您实际上并没有回答这个问题，这与轴对齐矩形的VC尺寸有关。扩展您的答案以显示它如何适用于特定问题将是很棒的！ — jbowman