VC розмірність регресійних моделей

У серії лекцій « Навчання з даних» професор зазначає, що розмір ВК вимірює складність моделі на те, скільки точок може зруйнувати дана модель. Тож це прекрасно спрацьовує для моделей класифікації, де ми могли б сказати, що немає N точок, якщо класифікатор здатний ефективно зруйнувати k точки, вимірювання розміру VC було б K. Але мені було не ясно, як можна виміряти розмір VC для регресійних моделей ?

З елементів статистичного навчання , с. 238:

Поки ми обговорювали розмір ВК лише індикаторних функцій, але це може бути розширено до функцій з реальною цінністю. Розмір VC класу реально оцінених функцій визначається як VC-розмір класу індикаторів 1 ( g ( x , α ) - β > 0 ) , де β приймає значення за діапазон г.${g(x, \alpha)}$${\mathbb{1}(g(x, \alpha) − \beta > 0)}$$\beta$

Або, трохи інтуїтивніше, щоб знайти розмірність ВК класу дійсно оцінених функцій, можна знайти розмірність VC класу функцій індикаторів, яка може бути сформована шляхом визначення порогу цього класу функцій реальної вартості.

Дивіться розділ 5.2 Статистичного навчання (Vapnik) щодо виведення трюку порогового показника з використанням заходів Lebesgue-Stieltjes. AFAIK - це єдина і остаточна посилання. Ви вже повинні знати, де знайти книгу (та інші з Вапника, всі вони чудові).