machine learning可行性原理分析（三）

先來回顧一下前兩篇文章，在有限的訓練集中，我們知道無論什麼學習算法，我們所產生的結果個數都是有限的，因而對應訓練集，不同hypothesis個數也是確定的，因此，有成長函數的概念，break point 概念，成長函數與演算法的選擇有關，不夠泛化，我們想得出其上限，因此有了bounding 函數，更一步簡化後，我們使用一個多項式來表達bounding函數的上限，最終我們可使用（上限的上限）來簡化成

>>阅读原文<<