衡量模型能把数据分得多复杂的理论指标。
像裁缝看布料弹性：你怎么拉扯它都能兜住版型，说明料子真能打，也可能只是太容易跑偏变形。
常用来估摸模型复杂度，判断它会不会太容易过拟合。
PAC Learning
它常用来给 PAC 学习提供可证明的泛化界。
Statistical Learning Theory
它是统计学习理论里衡量假设空间复杂度的核心量。
Bias-Variance Tradeoff
VC 维度越高，模型越灵活，也更容易出现高方差。
Regularization
正则化常被用来限制有效复杂度，缓解过拟合。