思考
機器學習中哪個算法好？哪個算法差呢？
下面兩條線，哪個更好呢？
沒有免費午餐定理
如果我們不對特征空間有先驗假設，則所有算法的平均表現是一樣的。
假設我們的計算機只有兩個存儲單元，而且每個存儲單元只能存儲兩個標簽，一類是class1（圓圈），一類是class2（叉叉）。假設其中一個存儲單元是圓圈，另一個存儲單元未知，需要我們預測，預測的可能情況如下：
如果不對特征空間有假設，則可以認為這兩種情況的概率差不多，也就意味着，我們無論選擇預測哪個結果，成功的概率都是50%。
假設計算機的存儲單元變成三個，情況變成如下：
如果不對特征空間有假設，則可以認為這四種情況的概率差不多。
三個存儲單元的情況，以只兩個存儲單元的狀態，預測第三個存儲單元的結果如下：
存儲單元更多的情況，"?"處應該是圓圈還是叉叉呢？
大多數人應該選擇上面的"?"為圓圈，下面的“?”是叉叉，這樣真的對嗎？如果我們把圓圈定義成花瓣，叉叉定義成蜜蜂。上邊的"?"恰好表示小蜜蜂在花瓣里，也是合理的。但是大多數算法卻不這么做。
我們認為：特征差距小的樣本更有可能是同一類
但是事實上，沒有所謂的世界上最好的算法，只有公認的好方法（支持向量機、決策樹、神經網絡等）
如果這篇博客對你有用，點個贊再走唄~