机器学习：归纳偏好-“没有免费的午餐”定理

我们在机器学习中衡量两个算法，到底孰优孰劣，该怎么考虑？“没有免费的午餐定理”仿佛给了一个很令人 depressing 的答案： 针对某一域的所有问题，所有算法的期望性能是相同的。但注意，这里有两个关键词，某一域的“所有”，和“期望”性能。所以它并没有否认两个算法有优劣之分，并且事实上还提供了一个视角让我们理解为什么在机器学习中，我们可以选择算法的优劣性。
　　
　　“没有免费的午餐定理”就是由 Wolpert and Macready 在 1997 年在优化领域中提出的 No Free Lunch Theorems（NFL），可以简单理解为：针对某一具体域内的所有优化问题 Q，经过 m 步迭代之后达到目标函数给定值的所有可能性的累加和是相等。用在机器学习中就是刚刚说的“ 针对某一域的所有问题，所有算法的期望性能是相同的”, 在该域的有些问题上算法 La 比 Lb 好，其余问题上则有 Lb 比 La 好。

　　现在来理解一下书中的证明过程（Page 8），这个没什么 tricky，希望有耐心些很好理解。需说明书中这里讨论的是二分类问题，假设数据空间 X 和假设空间 H 都是离散的，样本空间记作 X ；且真实目标函数对所有可能的 f 均匀分布。

　　首先需要明确这里算法性能是通过衡量训练集外误差得到的，即 off-training error（ote），本题所说的“训练集外”就是 X−X 。“误差”也就是机器学习所说的损失函数（Loss function），Page 8 已经要求了损失函数为 L(h,f(x))=1(h,f(x)) 。算法 La 在所有训练集外的误差其实就是机器学习中说的风险函数，即

Risk(X,La)=∫L(h,f(x))dF(x)

　　上式应用于由本题，则损失函数 L 换成 1 ；由于本题是离散空间，积分变作对“训练集外”即 X−X 求和，故写作下面 (1) 式，调整一下写法变成 (2) 式。
　 　符号说明：
　　 1） ∑fEote(La)|X,f) 表示在该域所有问题上算法 La 在训练集外即 X−X 上的所有误差；
　　 2） P(h|X,La) 表示用算法 La 基于训练集 X 产生假设 h 的概率。

∑fEote(La)|X,f)=∑f∑h∑x∈X−XP(x)1(h(x)≠f(x))P(h|X,La)=∑x∈X−XP(x)∑hP(h|X,La)∑f1(h(x)≠f(x))=∑x∈X−XP(x)∑hP(h|X,La)122|X|=122|X|∑x∈X−XP(x)∑hP(h|X,La)=122|X|∑x∈X−XP(x)⋅1(1)(2)(3)(4)(5)

　　 (3) 式：由于假设“真实目标函数对所有可能的 f 均匀分布”，故对所有 f 求和后，任意假设 h 的准确率期望为一半。又由于 1 在正确时取 1 反之为 0，故 (2) 式末尾对 f 的求和得到的值为假设空间个数的一半，即得 (3) 式。
　　 (5) 式：即简单的概率求和， P(h|X,La) 对 h 求和当然就是 1 了。还不理解的话？其实就是 P(A|B) 对 A 求和的形式。
　　
　　所以最终得到了 任意两个算法 La 与 Lb 的期望误差相等，即

∑fEote(La)|X,f)=∑fEote(Lb)|X,f)=122|X|∑x∈X−XP(x)

　　上面的证明损失函数用的是 1(h(x)≠f(x)) ，为了继续完善，考察定理是否对于任何性能度量都是成立，我们回到书中习题上：

习题 1.4 二分类问题中，若用其它性能度量 l ，请证明书中 1.4 节的“没有免费的午餐定理”仍然成立。

解答：这里要求“用其它度量 l ”, 事实上就是 (1) 式中用的损失函数 1(h(x)≠f(x)) 换作了

1(h(x)≠f(x))⋅l(h,f(x))

　　故 (3) 式中 122|X| 变作

122|X|⋅l(h,f(x))|h(x)≠f(x)

　　其中 l(h,f(x))|h(x)≠f(x) 就是指损失函数 l 在假设函数的值与原函数不符的时候的取值，对于这个 二分类问题有两种取值： l(1,0) 即把 0 分成了 1 的损失， l(0,1) 即把 1 分成 0 的损失，两者对于给定的 l 均为常数。故同样得到了类似 (5) 式的结论，即

∑fEote(La)|X,f)=∑fEote(Lb)|X,f)=122|X|⋅l(h,f(x))|h(x)≠f(x)⋅∑x∈X−XP(x)

　　即在这个二分类问题中，我们证明了 NFL 对其他性能度量也是成立的。之后我去冒昧看了一眼原论文(●—●)…发现##( ＿ ＿)ノ##…所以我们还是拿这个二分类问题随意感受一下 NFL 的思路和内涵就好~正经的证明并不是这里这么简单几句论述。

　　最后需要明确：NFL 的一重要前提是“对某一域的所有问题”讨论。所以 NFL 只是告诉我们“脱离具体问题去讨论选择什么算法更好是毫无意义的”，因为若对所有潜在的问题考虑，则所有算法性能是一样的。但机器学习是针对某一特定问题去考虑的，所以我们仍然有选择算法优劣的必要性和可行性。

　　比如考虑问题：从一个几km的大坡顶 A 地到坡底 B 什么交通工具划算（即算法）？我们会觉得自行车比汽车火车飞机都靠谱。但你非要说飞机可以从中国飞到美国，所以飞机这种交通工具也很好，你凭什么说自行车好？这就是在脱离实际问题了。这是因为我们在针对“从 A 到 B”这一具体问题讨论交通工具（算法）的选择。