1.2.4 小结

本节从人类的学习过程谈起，总结了机器学习的实现框架（假设+目标+寻解），并介绍了令观测数据学习成为可能的基础——大数定律。之后，通过使用大数定律的霍夫丁不等式推导了机器可以学习的前提假设：假设空间M随样本量N的增长需小于2N。对合理的假设来说，机器学习是可能的！同样基于此，强大的机器学习模型更需要大数据的匹配，这是大数据对于机器学习的价值，它释放了模型假设的复杂度。

我有时候在想，如果市面上的机器学习书籍多谈一些有关本质的思考和内容，而不是按部就班地逐一介绍算法，大家是否会对机器学习有更多的兴趣和更好的理解？一本好书是与人交流思想而不仅仅是知识，期望本书对“机器为何能学习”与“机器是怎样学习的”问题的探讨能对每位读者都有所启发。