1. 机器学习是不可能的
我们先来看一个简单的二分问题:
if :
can enumerate all candidate f as H?
看似这个问题不难！输入一共可以有种，那么hypothesis set大小就为了。现在给出训练样本集（in-sample），
我们选择一个机器学习算法从Hypothesis set中选出一个g,( =y_n(like\hspace{0.1cm} PLA\hspace{0.2cm}algorithm).\hspace{0.2cm} \underline{Does\hspace{0.2cm} g\approx f?})
)
我们当然可以像感知机（PLA）那样，能够找出一个或者若干个好的g,在训练样本集（in-sample）上把所有的样本分对。上例中，
No Free Lunch
我们可以在5个已经给出的输入上面得到g的预测是否正确，但是在未看过的三个输入上呢？我们会发现其实还有8种可能的选择。所以
* g
f inside D:sure!
* g
f inside D:NO!but that's really what we want!
在训练样本集（in-sample）中，可以求得一个最佳的假设g，该假设最大可能的接近目标函数f，但是在训练样本集之外的其他样本（out-of-sample）中，假设g和目标函数f可能差别很远。
下面的练习题很简单，如果你做错了，说明这节课的还没有很好掌握奥...
