VC理论

瓦普尼克-泽范兰杰斯理论（英语：），又称VC理论（VC theory）是一个于1960年代到1990年代由苏联数学家弗拉基米尔·瓦普尼克及亚历克塞·泽范兰杰斯创建的一套机器学习理论，使用统计的方法，因此有别于归纳学习等其它机器学习方法。

机器学习与
范式 监督学习 无监督学习 在线机器学习 元学习 半监督学习 自监督学习 强化学习 基于规则的机器学习 量子机器学习
问题 统计分类 生成模型 回归分析 聚类分析 降维 密度估计 异常检测 数据清洗 自动机器学习 关联规则学习 语意分析 结构预测 特征工程 表征学习 排序学习 语法归纳 本体学习 多模态学习
监督学习 (分类 · 回归) 学徒学习 决策树学习 集成学习 Bagging 提升方法 随机森林 k-NN 线性回归 朴素贝叶斯 人工神经网络 逻辑斯谛回归 感知器 相关矢量机（RVM） 支持矢量机（SVM） 迁移学习 微调
聚类分析 BIRCH CURE算法 层次 k-平均 Fuzzy 期望最大化（EM） DBSCAN OPTICS 均值飘移
降维 因素分析 CCA ICA LDA NMF PCA PGD t-SNE SDL
结构预测 图模式 贝氏网络 条件随机域 隐马尔可夫模型
异常检测 RANSAC k-NN 局部异常因子 孤立森林
人工神经网络 自编码器 认知计算 深度学习 DeepDream 多层感知器 RNN LSTM GRU ESN 储备池计算 受限玻尔兹曼机 GAN SOM CNN U-Net Transformer Vision transforme 脉冲神经网络 Memtransistor 电化学RAM（ECRAM）
强化学习 Q学习 SARSA 时序差分（TD） 多智能体 Self-play RLHF
与人类学习 主动学习 众包 Human-in-the-loop
模型诊断 学习曲线
数学基础 内核机器 偏差–方差困境 计算学习理论 经验风险最小化 奥卡姆学习 PAC学习 统计学习 VC理论
大会与出版物 NeurIPS ICML ICLR ML JMLR
相关条目 人工智能术语 机器学习研究数据集列表 机器学习概要

由这套理论所引出的支持矢量机对机器学习的理论界以及各个应用领域都有极大的贡献。