本文介绍了机器学习中的No Free Lunch (NFL) 定理，强调了在讨论学习算法优劣时，必须考虑具体的学习问题。不同的算法在不同问题上的表现会有所不同，选择合适的算法至关重要。
就像我们中小学学习函数的时候，老师总会给我们说一句：
”一定要把定义域写上，不写不给分，不写定义域谁知道是那种情况”
类比到算法中也是如此，也就是今天的NFL理论：
《机器学习》第一章1.4小结，有证明：
http://www.tup.tsinghua.edu.cn/upload/books/yz/064027-01.pdf
《机器学习》最后总结的文字： 所以，NFL定理最重要的寓意，是让我们清楚的认识到，脱离具体问题，空泛的谈论“什么学习算法更好”是毫无意义的，因为若烤炉所有潜在的问题，则所有学习算法都一样好。要谈论算法的在相对优劣，必须要针对具体学习问题，在某些问题上表现好的学习算法，在另一些问题上可能不尽人意。学习算法自身的归纳偏好与问题时候相配，往往起到决定性作用。
另外的资源：
Some Comments on Gradient-Free Optimization
一个合格的研究应该严格的界定自己算法的适用范围
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
