(文章都是不定時更新的,已發佈的博客也會不定時編輯,如有錯誤,請各位指正:))
1. No free Lunch Theorem
考慮平均的所有數據生成的方法,所有的分類算法在未見過的數據上實際上都有相同的泛化誤差(generalization error).
No free lunch theorem表明的是,在我們設計分類器時,並不是在設計適合所有數據的分類器,實際上,分類器的設計應該更是怎對當前面對的數據集的分佈。
2 Regularization
正則化表明了我們模型對哪些函數的偏愛,即從假設空間(hypothesis space)中選擇更爲適合的函數集(這一點實際上就是滿足了No free lunch theorem)