機器學習筆記(2)----「沒有免費的午飯」定理

「沒有免費的午飯」定理（No Free Lunch Theorem，簡稱NFL）算法 先來看一個例子。假設學習算法a基於某種概括偏好產生了對應於A的模型，學習算法b基於另外一種概括偏好產生了對應於曲線B的模型。性能 基於奧卡姆剃刀原理，咱們會期待算法a比算法b更好。確實，如圖(a)所示，和B相比，A與訓練集外的樣本更一致；換言之，A的泛化能力比B強。學習 可是，且慢！雖然咱們但願並相信算法a比b更

>>阅读原文<<