Lecture 5：Training versus Testing

回顾一下前四个Lecture，Lecture 1讲的是找一个使得（也就是），Lecture 2讲的是使得，Lecture 3讲的是机器学习的分类，Lecture 4讲的是让。
那么，我们就有两个核心问题需要解决了。

1. 我们如何保证尽可能地靠近？
2. 我们如何使得足够小？

而在这两个问题里面，假设集大小又扮演着什么样的角色？应该多大呢？
如果是一个很小的，能够满足，但是可选的假设又太少了。
如果是一个很大的，可选的假设很多，但是又很难满足。
因此，一个合适的是很重要的。

---

Effective Number of lines

将一个点

进行划分，会有两种情况。

不管，

怎么移动，只要在

下面，那么它表示的就是把x_1划分为

,

同理。
如果是两个inputs

、

就会有4种情况，3个inputs最多会有8种情况。
比如：在下面这种情况下，三个输入成一条直线，两个画

的情况是不可能实现的，一条直线无法将相间分布进行划分。

那么4个inputs呢？

能够划分N个输入的直线最多有类的数目

有效线的数目

---

Effective Number of Hypothesis

---

Break Point