标签：
单个H，在抽出的样本（数据集上），满足
$P(|E_{in}-E_{out}|>\epsilon)\leq 2e^{-2\epsilon^2N}$
考虑以下情况，如果抽出的都是绿球（数据集D），此时$E_{in} =0 $，而实际上和$E_{out}$差别很大，
此时称此数据集为差的数据集
单个H碰到差的数据集时，$|E_{in}-E_{out}|>\epsilon$
碰到差的数据集的概率为
$P(BAD~D~for~H) \leq 2e^{-2\epsilon^2N}$
此时如果有一个H的碰到BAD D，则学习会不靠谱
$P(BAD~D~for~H_1~OR~BAD~D~for~H_2~OR~...BAD~D~for~H_M)\\ \leq P(BAD~D~for~H_1)+P(BAD~D~for~H_2)...+P(BAD~D~for~H_M) \\ \leq 2Me^{-2\epsilon^2N}$
如果M有限，N足够大，可以保证learning可行
标签：
原文地址：http://www.cnblogs.com/porco/p/4605621.html
