learning is impossible
no free lunch
在对f不知情的情况下，有时候对训练集外的数据，很难说机器学到了什么。
有些情况下没有现成的pattern并不能很好的学习。
probability to the rescue
用部分去推断总体。
部分说明了整体什么信息吗 大部分情况下部分反映了总体的信息
数学上的发生几率保证 PAC: probably approximately correct
connection to learning
假设有一个固定的h在手上。 由部分推断总体g犯错的几率。
公式的保证
h(H演算法集中的一小个)可以代表总体，那么g是否可以呢？
connection to real learning
如果选择的假设在训练集上表现足够好，那么要选么？
和取样有关。 选择多了，会恶化情况。
一个h，不好的几率很小 多个h，不好的几率很大
只有像D1126才是好的资料
M finite，N large enough，那么学习是可能的。 那么，对于PCA，M是无限的，那么怎么办啊？
总结
