然而，奧卡姆剃刀并非唯一可行的原則．退一步說，即便假定我們是奧卡姆剃刀的鐵桿擁躉，也需注意到，奧卡姆剃刀本身存在不同的詮釋，使用奧卡姆剃刀原則并不平凡．例如對我們已經(jīng)很熟悉的西瓜問題來說，“假設(shè)1：好瓜÷÷（色澤=木）八（根蒂=蜷縮）八（敲聲=濁響）”和假設(shè)2：“好瓜÷÷（色澤=術(shù)）^（根蒂=蜷縮）八（敲聲= *）”這兩個(gè)假設(shè)，哪一個(gè)更“簡單”呢？這個(gè)問題并不簡單，需借助其他機(jī)制才能解決．事實(shí)上，歸納偏好對應(yīng)了學(xué)習(xí)算法本身所做出的關(guān)于“什么樣的模型更好”的假設(shè)，在具體的現(xiàn)實(shí)問題中，這個(gè)假設(shè)是否成立，即算法的歸納偏好是否與問題本身匹配，大多數(shù)時(shí)候直接決定了算法能否取得好的性能．讓我們再回頭看看圖1.3.假設(shè)學(xué)習(xí)算法如基于某種歸納偏好產(chǎn)生了對應(yīng)于曲線A的模型，學(xué)習(xí)算法￡6基于另一種歸納偏好產(chǎn)生了對應(yīng)于曲線B的模型．基于前面討論的平滑曲線的某種“描述簡單性”，我們滿懷信心地期待算法￡。比￡6更好．確實(shí)，圖1.4(a)顯示出，與B相比，A與訓(xùn)練集外的樣本更一致；換言之，A的泛化能力比B強(qiáng)．?