机器学习：没有免费午餐定理（No Free Lunch Theorem）

思考

机器学习中哪个算法好？哪个算法差呢？

下面两条线，哪个更好呢？

没有免费午餐定理

如果我们不对特征空间有先验假设，则所有算法的平均表现是一样的。

假设我们的计算机只有两个存储单元，而且每个存储单元只能存储两个标签，一类是class1（圆圈），一类是class2（叉叉）。假设其中一个存储单元是圆圈，另一个存储单元未知，需要我们预测，预测的可能情况如下：

如果不对特征空间有假设，则可以认为这两种情况的概率差不多，也就意味着，我们无论选择预测哪个结果，成功的概率都是50%。

假设计算机的存储单元变成三个，情况变成如下：

如果不对特征空间有假设，则可以认为这四种情况的概率差不多。

三个存储单元的情况，以只两个存储单元的状态，预测第三个存储单元的结果如下：

存储单元更多的情况，"?“处应该是圆圈还是叉叉呢？

大多数人应该选择上面的”?“为圆圈，下面的“?”是叉叉，这样真的对吗？如果我们把圆圈定义成花瓣，叉叉定义成蜜蜂。上边的”?"恰好表示小蜜蜂在花瓣里，也是合理的。但是大多数算法却不这么做。

我们认为：特征差距小的样本更有可能是同一类

但是事实上，没有所谓的世界上最好的算法，只有公认的好方法（支持向量机、决策树、神经网络等）

如果这篇博客对你有用，点个赞再走呗~