一种严谨且易于计算的模型复杂度度量方法

新研究提出一种基于不同输入特征向量相似度的模型复杂度度量方法，兼具数学严谨性与易计算性，适用于参数模型及核非参数模型。该方法成功泛化了多项式次数、k 近邻数、决策树切分点数和随机森林树数量等传统复杂度指标。此外，该度量还为随机傅里叶特征、神经网络、随机森林和梯度提升等模型的双重下降现象提供了新见解。