機器學習緒論(3)

歸納偏好：機器學習算法在學習過程中對某種類型假設的偏好，歸納偏好對應了算法本身所做出的關於「什麼樣的模型更好」的假設 有效的機器學習算法必然有歸納偏好，否則無法產生確定的學習結果，比如對於下圖，三個假設對於同一個新樣本，會產生不同的結果。 對於下圖，每個訓練樣本是圖中的一個點，A,B都是與訓練集一致的模型，算法應該偏好那種模型呢？ 奧卡姆剃刀原則：若有多個假設與觀察一致，選最簡單那個 按照奧卡姆剃

>>阅读原文<<