前面两篇文章要点回顾：
第一篇：机器学习的主要任务是用算法A，利用数据集D从假设集H中挑出一个函数g，使得E_in(g)最小。
第二篇：可以证明，当假设集H的d_vc是有限值，数据集D中样本数量N足够大时，找到的函数g的E_in和E_out很大概率上是近似相等的，因此，E_in很小时可以认为E_out也会很小。也就是说，机器确实从数据中学习到了“知识”。
这篇文章是对第8课内容的总结，比较短，但是很重要。

一、如果数据中有noise

在前面两篇文章中，讨论机器学习时默认有一个前提是成立的，那就是数据集D中的x由某个分布独立产生，y由f(x)产生。现实的数据集D往往不能满足这个条件，而是可能掺杂着noise，以发放银行信用卡为例，noise可能有三种形式：

• 某个样本点（x,y），x仍是由某个分布产生，但y却与f(x)相反，也就是说，按照函数f计算x，应当发放信用卡，现实却是没有发放信用卡（f(x)=1,y=0），反之同理。
• 同样的x，不一样的y，在数据集中，同样的x，有的对应的y为1，有的对应的y为0。
• x有误。样本点中的x不是与其他x产生自同一分布。即顾客个人信息有误。

经过前面各种证明，好不容易得出了机器可以学习的结论，noise的存在，让我们回到原点，我们不得不再次审视，面对有noise的数据集D，机器还可以学习吗？更具体一点，之前推导出的vc bound还有效吗？

所幸的是，尽管有noise的存在，vc bound还是有效的，也就是说，如果我们找出的函数小g，在有noise的数据集D上的E_in很小，那么，它的E_out也有很大的概率是很小的。这里的E_out使用的样本也是同样掺杂着noise的。

从条件概率来看noise，我们可以认为数据集D中的y不是来自f(x)，而是来自一个条件分布P(y|x), 只不过P(y = f(x) | x) > P(y != f(x) | x)。此时，对于二元分类问题，我们将f(x)称作ideal mini-target function。因为f(x)就是我们希望尽可能接近的目标函数，使用它做分类预测时，所犯的分类错误率是最小的。

在这种情况下学习到的函数小g也具有了概率的含义，也就是说，给定x，y等于g(x)是一个大概率事件，y不等于g(x)是一个小概率事件。此时的g仍然是在尽可能模仿f，但由于数据中noise不可避免，使得我们的函数小g只能模仿在noise下表现出来的f。

一句话总结：noise可以看成是条件分布P(y|x)。在二元分类问题中，f(x)就是对于给定的x，概率最大的y值，它是机器学习的新目标函数，称为ideal mini-target function

二、错误衡量err

观察上面定义的ideal mini-target function，容易知道，只要我们能够学习到一个函数小g，使它尽可能接近f(x)，那么，用小g做二元分类预测时，犯的错误将会最小。这里有一个很容易被我们忽视的问题，那就是衡量小g犯的错误的大小。

在二元分类问题中，衡量小g犯的错误很简单，假设对于x，对应的样本值为y，小g的预测值为g(x)，若g(x)==y,则所犯错误为0，若g(x)!=y,则所犯错误为1。这样的错误衡量称为“0/1 error”。

实际上，对于不同的问题，还有许多的错误衡量err，比如在回归问题中常用的平方错误衡量:
err(g(x),y)=(g(x)-y)^2

那么，不同的错误衡量err对我们做机器学习有什么不同的影响呢？

一句话概括就是：P(y|x)和err联合在一起，会决定ideal mini-target function。

比如在二元分类问题中，假如P(y|x)已经确定，err采用“0/1 error” ，那么，ideal mini-target function 就是f(x),即对于给定的x，y为f(x)的概率最大。

在实际的机器学习问题中，P(y|x)是未知的。但是通过选用不同的err，可以隐含地决定ideal mini-target function，也就是我们的算法学习的目标函数。课程视频中有一个简单的小例子来说明这个问题，可用来帮助理解，这里不再赘述。

那么问题来了，如何确定哪个err比较好？

答案是：看你要解决的具体问题，这是评价err好坏的根本标准，但仅仅考虑这一点也是不行的，因为不同的err，在实现算法A时的难度也是不一样的。最后选择的err是在二者之间的一个trade-off。

三、加权分类

这部分内容比较简单，简述如下：
在样本集中，不同的样本（x_n,y_n）有不同的重要性，犯错的代价是不一样的，为了体现出这一点，可以采用“虚拟复制”技术，将其归约为普通的0/1 error问题。