关于h的数量M

review

因此机器学习被拆分为两个重要问题：1.E（out）足够接近E（in）？2.E(in)足够小？

关于h的数量M

当h1和h2很接近时，发生bad事件的概率是重叠的。因此联级相加的结果远大于实际，无法处理M无限大时的情况。

当只有一笔资料时：

只有两种h。

当有两笔资料时：

会有四种h。

当有三笔资料时：


有八种或六种h。

四个点为14种

可以发现h的数量（M）小于2的N次方

hypothesesH与dichotomiesH:hH可以是无数条线对所有点分类；dH是小于2^N种的线对特定N个点进行分类。

Positive Ray（一维）

Positive Interval

Convex Sets（凸几何）
当所有点在一个圆上时，用凸多边形连所有圈圈。

什么是shattered
有N个点，成长函数为2的N次方，那么N被hshattered。

break point