1.样本复杂度，计算复杂度，出错界限
样本复杂度
2.可能近似正确（PAC）
3.真实错误率
训练错误率：
样本错误率
4.一致学习器
变形空间：
详尽变形空间：
训练样本数目
5.不可知学习和不一致学习
hoeffding边界
6.无限假设空间的样本复杂度
Vapnik-Chervonenkis维度
打散
基于VC的样本复杂度
神经网络的VC维
7.学习的出错界限模型
FIND-S
HAVING
最优出错界限
加权多数算法
误差
原文：https://www.cnblogs.com/jieyi/p/13335974.html