说明 欧长坤 原创作品转载请注明出处 《Linux内核分析》MOOC课程http://mooc.study.163.com/course/USTC

安装 Java 环境 1 2 sudo apt-get install openjdk-7-jre sudo apt-get install openjdk-7-jdk 设置 JAVA_HOME 1 sudo gedit /etc/bash.bashrc 拖到最后面，添加下面两行： 1 2 export JAVA_HOME=/usr/lib/jvm/java-7-oracle export PATH=$JAVA_HOME/bin:$PATH 退出，执行 1 source /etc/bash.bashrc 执行下面的语句: 1 echo $JAVA_HOME 你会得到下面的结果：

说明 欧长坤 原创作品转载请注明出处 《Linux内核分析》MOOC课程http://mooc.study.163.com/course/USTC

说明 欧长坤 原创作品转载请注明出处 《Linux内核分析》MOOC课程http://mooc.study.163.com/course/USTC

欧长坤初次发表于『知乎』, 转载请注明出处。

这个问题问得很深刻，人们花了很长的时间才领悟到这个问题的答案，所以解释起来有点费力。我这里尝试性地做一个解释。 首先，我们需要搞明白三件事情：什么是一个学习问题、什么是风险最小化、什么是经验风险最小化归纳原则。

什么是学习问题？

对于一个学习问题而言，给定了训练样本$(x_1,y_1),(x_2,y_2), … , (x_l,y_l)$，而训练的样本是根据联合分布$F(x,y)=F(x)F(y|x)$抽取的l个独立同分布的观测。学习问题就是从给定的函数集$f(x,\alpha),\alpha \in \Lambda$中选出能够最好地逼近训练样本的函数，换句话说，就是用最优函数估计样本背后蕴含的统计规律——用$f(x,\alpha)$估计$y$。 注意，$\Lambda$是参数集合，参数$\alpha\in\Lambda$并不一定必须是向量，可以是任意多抽象参数。