Vapnikovu-Chervonenkisovu teorii (také známou jako VC teorie) vyvinuli v letech 1960-1990 Vladimír Vapnik a Alexej Chervonenkis. Teorie je formou teorie výpočetního učení, která se pokouší vysvětlit proces učení ze statistického hlediska.
Teorie VC souvisí s teorií statistického učení a s empirickými procesy. Richard M. Dudley a R. S. Wenocur a sám Vladimír Vapnik mimo jiné aplikují teorii VC na empirické procesy.
Teorie VC zahrnuje nejméně čtyři části (jak je vysvětleno v The Nature of Statistical Learning Theory):
Navíc teorie VC a VC dimenze jsou v teorii empirických procesů instumentální, v případě procesů indexovaných podle VC tříd.
Poslední část teorie VC představila známý učební algoritmus: podpůrný vektorový stroj.
Teorie VC obsahuje důležité pojmy, jako je dimenze VC a minimalizace strukturálního rizika. Tato teorie souvisí s matematickými předměty, jako jsou: