Каков размер концептуального класса [машинного обучения]? Так неловко
Я нахожусь в классе машинного обучения, и я не понимаю, как определить размер концептуального класса.
Для задачи линейной классификации с набором обучающих примеров D = {(x_1, y_1)... (x_d,y_d)} и выходными метками y_i = {-1, 1}. Допустим, для каждого экземпляра есть две функции: x_1 и x_2, где x_1 >= -80 и x_2 <= 80.
C - это концептуальный класс, определенный в пространстве экземпляра. Мы пытаемся найти скрытую целевую функцию f (элемент C), которая параметризована n. Каждая функция определяется длиной (где длина составляет от 1 до 80 включительно).
F мы хотим найти: f = 1, если |x_1| <= длина и |x_2| <= длина, иначе f=0. Предположим, что гипотеза пространство = понятие пространства.
Я понимаю, что один концепт - это булева функция над доменом X, а концептуальное пространство - это набор всех этих возможных функций. Но как конкретно определить размер концептуального класса, когда может быть много разных булевых функций, которые мы рассмотрим?
Будет ли размер концептуального класса равным диапазону x_1 и x_2 (от -80 до +80)? Тем не менее, не может ли быть бесконечно различных соединений значений x_1 и x_2, которые были бы в концептуальном классе C...?
Любая помощь будет чрезвычайно ценится.