是否有量化回归模型复杂性的通用措施？

以同样的方式，参数的数量或自由度可以用作回归模型学习复杂关系的潜力的代理 - 是否有可以在不同模型架构之间在相同规模上进行比较的度量，包括线性模型、基于树的模型、高斯过程、提升、集成等？

诸如 AIC 和 BIC 之类的度量需要大量参数，这些参数在不同模型类型之间并不具有普遍可比性。 Vapnik-Chervonenkis (VC) 维度或广义自由度将是合适的（尽管对其他建议持开放态度），尽管它们的效用似乎更具概念性而不是可计算性。

是否有一种方法可以量化模型在所有模型类型之间具有可比性的数据中学习复杂关系的潜力？这可以在 Python 中实现吗？