摘要：
本章重点: 简单的论证了即使有Noise，机器依然可以学习，VC Dimension对泛化依然起作用；介绍了一些评价Model效果的Error Measurement方法。一论证即使有Noisy，VC Dimension依然有效；下图展示了主要思想，以前的数据集是确定的（Deterministic），现在加了Noisy变成了分布函数了，即对每个一x，y出现的概率是P(y|x)。可以这么理解，概率表示的是对事件确定的程度，以前确定性的数据集是P(y|x) = 1, for y = f(x) p(y|x) = 0, for y != f(x), 加入了Noisy，便不是了，有一定的概率例如0.7是 阅读全文
