Простыми словами
Мера сложности класса моделей, описывающая его способность реализовывать разные разметки конечных наборов точек. Например, рекомендательная модель хорошо выглядит на тесте, но после запуска сталкивается с новыми пользователями и изменившимся поведением. Поэтому результат проверяют на данных и отдельной выборке, а не только на впечатляющем примере - иначе модель может выглядеть убедительно и при этом ошибаться на реальных случаях.
Механизм действия
Сначала проверяют, есть ли исходное условие из определения. Затем смотрят, как оно влияет на условия, ограничения, взаимодействия и наблюдаемые последствия. Если эту связь не удаётся наблюдать, принцип не стоит использовать как готовое объяснение.
Пример в работе
Решение принимают без учета механизма «VC Dimension», оценивая только ближайший эффект.
Перед изменением проверяют, как «VC Dimension» влияет на ограничения, стимулы, зависимости и вторичные последствия.
Ограничения
«VC Dimension» объясняет только часть происходящего в области «AI и машинное обучение». Сам принцип не говорит, насколько сильным будет эффект в вашем случае, и не заменяет измерения. При другом масштабе, среде или временном горизонте результат может отличаться.
Источник
Vladimir Vapnik, Alexey Chervonenkis. On the Uniform Convergence of Relative Frequencies of Events to Their Probabilities. 1971. DOI 10.1137/1116025.