Answers:
我了解NFL定理的方式是,在每个任务中没有一种学习算法比其他算法更好。但是,从清晰的数学意义上来说,这不是一个定理,它有一个证明,而是一个经验观察。
类似于您对kNN所说的,还有神经网络的通用逼近定理,该定理指出在给定2层神经网络的情况下,我们可以任意误差地逼近任何函数。
现在,这怎么不会破坏NFL?它基本上指出,您可以使用简单的2层NN 解决任何可能的问题。原因是,虽然理论上神经网络可以近似任何东西,但实际上很难教他们近似任何东西。这就是为什么对于某些任务,最好使用其他算法。
解释NFL的一种更实用的方法如下:
无法确定先验方法,哪种算法最适合给定任务。