口对于给定训练集D,我们希望基于学习算法C学得的模型所对应 的假设九尽可能接近目标概念C 为什么不是希望精确地学到目标概念c呢? 机器学习过程受到很多因素的制约 获得的训练集刀往往仅包含有限数量的样例,因此通常会存在一些在上“等效” 的假设,学习算法无法区别这些假设; ●从分布D采样得到D的过程有一定的偶然性,即便对同样大小的不同训练集,学 得结果也可能有所不同. 对于给定训练集 , 我们希望基于学习算法 学得的模型所对应 的假设 尽可能接近目标概念 . 为什么不是希望精确地学到目标概念c呢？ 机器学习过程受到很多因素的制约 ⚫ 获得的训练集 往往仅包含有限数量的样例, 因此通常会存在一些在 上“等效” 的假设, 学习算法无法区别这些假设; ⚫ 从分布 采样得到 的过程有一定的偶然性, 即便对同样大小的不同训练集, 学 得结果也可能有所不同