1.界函式（bounding function）
是指當（最小）突破點為k 時，生長函式m(n) 可能的最大值，記為b(n, k)。
顯然，當k=1時，b(n, 1) = 1; 當k > n 時，b(n,k) = 2^n; 當k = n 時，b(n,k)=2^n - 1.
於是很容易得到bounding function table:
再來填下面那部分的，以b（4,3）為例，寫出所有符合的排列組合再進行配對處理，比較其與b（3,3）和b（3,2）的關係
於是可以得
歸納到一般情況，則有以下理論
得出以下公式
這個式子顯然是多項式的，最高次冪是 k-1。
所以我們得到結論：如果突破點存在（有限的正整數），生長函式m(n) 是多項式的。
2.vc界
上面得到了m（n）的上界多項式，現在來對之前求壞事情概率的不等式做乙個替換：
通過將無窮大的eout 替換為驗證集(verification set) 的ein'，於是得到vc bound函式：
uml 關聯 依賴 聚集 一般化
多型 乙個名稱，多種形式。基於整合的多型。呼叫方法時，根據所給物件的不同選擇不同的處理方式。執行時繫結 關聯 當乙個物件對另乙個物件的引用去使用另乙個物件的服務或操作時，兩個物件之間就產生了關聯。聚合 關聯關係的一種，乙個物件成為另乙個物件的組成部分，兩個物件間存在 has a 關係乙個物件作為另乙...
文字預處理一般化流程
文字預處理一般包括以下幾個流程 分詞 主要是中文分詞，英文分詞較簡單 去除停用詞 中英文停用詞表 詞幹提取 詞性轉換 針對英文，英文還有大小寫轉換的問題 詞性標註 文字向量化 詞袋模型 tf idf 分布式詞向量表示 以下是python實現的文字預處理的主要流程 import numpy as np...
機器學習任務的一般步驟
1.確定特徵 選取合適的資料和特徵可能是最重要的步驟，也包括資料的預處理或清洗，通常可以稱之為特徵工程。2.確定模型 確定目標函式及決策邊界的形狀。可選擇多個模型進行比較。3.模型訓練 根據訓練資料估計模型引數。4.模型評估 這裡要區分兩個概念 模型選擇 估計不同模型的效能，選出最好的模型。通常在校...