斯坦福机器学习公开课笔记9–误差/方差、经历危险最小化、联合界、共同收敛

　　本篇与前面不同，首要内容不是算法，而是机器学习的另一部分内容——学习理论。首要包含误差/方差(Bias/variance)、经历危险最小化(Empirical Risk Minization，ERM)、联合界(Union bound)、共同收敛(Uniform Convergence)。

　　Ng对学习理论的重要性很是着重，他说了解了学习理论是对机器学习只懂皮裘的人和真实了解机器学习的人的差异。学习理论的重要性在于经过它可以针对实际问题更好的挑选模型，修正模型。