在機器學習理論中，Vapnik-Chervonenkis 維度或 VC 維度，指的是一個 概念類 
可以分散的最大集合 
的基數。如果任意大的集合可以被 
分散，那麼 VC 維度被認為是 
。 給定一個概念類 
，
的 VC 維度有時記為 
。
有幾種模型用於視覺化分散的過程，因此存在許多不同的 Vapnik-Chervonenkis 維度模型。 特別是，通常使用 區間（以及 它們的並集）、實數線上的矩形和正方形、平面中的超平面等等。
還有一些量化 VC 維度到不同程度的結果。 例如，可以證明一個有限概念類 
滿足
 |
