機器學習模型複雜度的指標：Rademacher Complexity
Rademacher Complexity（拉德馬赫複雜度） 是機器學習理論中的一個重要概念，用於衡量假設空間（模型集合）的複雜度，它是用來評估模型泛化能力（Generalization Ability）的一種工具。
標籤 generalization ability
估計建立模型所需要的資料數量（PAC 學習）
PAC 學習（Probably Approximately Correct Learning）是機器學習理論中的一個重要框架，它提供了一種分析學習演算法的泛化能力（generalization ability）的方法。