百科：切勿浪费较多东西去做，用较少的东西，同样可以做好的事情。"

简 单 性 原 则

（1）在机器学习中选择算法时，其含义是：在其他条件一样的情况下， 选择简单的那个 。
（2）李航《统计学方法》一书中，在应用于模型选择时可以理解为：在所有可能选择的模型中，能够很好地解释已知数据并 且十分简单才是最好的模型 ，也就是应该选择的模型。正则化就符合奥卡姆剃刀原理。

转自
(1条消息)机器学习——“奥卡姆剃刀”原理_人工智能_YlcMeng的博客-CSDN博客
https://blog.csdn.net/YlcMeng/article/details/95242213

原文链接： https://blog.csdn.net/YlcMeng/article/details/95242213 时至今日，UEDTIPS交互设计 原理 系列终于接近尾声了~欢迎大家收看交互设计 原理 最后一讲—— 奥卡姆 剃刀 原理 奥卡姆 原理 也被称为“简单有效 原理 ”，由14世纪世纪哲学家、圣方济各会修士 奥卡姆 的威廉（WilliamofOccam，约1285年至1349年）提出。这个 原理 是告诫人们“不要浪费较多东西去做用较少的东西同样可以做好的事情。”后来以一种更为广泛的形式为人们所知——即“如无必要，勿增实体。”也就是说：如果有两个功能相等的设计，那么我们选择最简单的那个。一个简洁的网页能让用户快速的找到他们所要找的东西，当你在销售商品时这尤为重要。如果你的网页充斥着各种没用的文章、小工具和无关的商品时，浏览者会觉得 机器学习 的 奥卡姆 剃刀 原理 定义 机器学习 中的运用参考 奥卡姆 剃刀 定律（Occam’s Razor, Ockham’s Razor）又称“奥康的 剃刀 ”，它是由14世纪英格兰的逻辑学家、圣方济各会修士 奥卡姆 的威廉（William of Occam，约1285年至1349年）提出。这个 原理 称为“如无必要，勿增实体”，即“简单有效 原理 ”。正如他在《箴言书注》2卷15题说“切勿浪费较多东西去做，用较少的东西，同样可以做好的事情。” 机器学习 中的运用 奥卡姆 剃刀 定律也是 机器学习 选择算法时可参照的标准之一。其含义是：在 奥卡姆 剃刀 原理 是指，在科学研究任务中，应该优先使用较为简单的公式或者 原理 ，而不是复杂的。 应用到 机器学习 任务中，可以通过减小模型的复杂度来降低过拟合的风险，即模型在能够较好拟合训练集（经验风险）的前提下，尽量减小模型的复杂度（结构风险）。 本课程是 机器学习 的普及课程，是基础的课程，主要介绍 机器学习 的定义、分类（回归学习与分类学习、监督学习与无监督学习）、基本术语（维数、学习、训练、学习器、样例、聚类、泛华、鲁棒、分布等）；介绍什么是假设空间（概念学习与归纳学习、假设空间、版本空间）；讲解归纳偏好与可爱的 奥卡姆 剃刀 (这里还有--没有免费的午餐)；讲解了 机器学习 的发展历程；后贯串了 机器学习 常用的学习算法和辅助知识。 【专栏：研究思路】 奥卡姆 剃刀 是由14世纪方济会修士 奥卡姆 的威廉提出的逻辑学法则，他在《箴言书注》2卷15题说“切勿浪费多余功夫去做本可以较少功夫完成之事”。而在神经网络方面，「 奥卡姆 剃刀 」... 保研之后，时间整个人都放松了，节奏很慢，懒散了几天。还是决定要学点东西，之前学过 机器学习 课程，但是没有认真听，这段时间刚好可以看看，做做笔记。教材是周志华老师的《 机器学习 》。一、 奥卡姆 剃刀 （Occam’s razor） 奥卡姆 剃刀 原则主张选择与经验观察一致的最简单假设，是一种常用的、自然科学研究中最基本的原则，即“若有多个假设与观察一直，则选最简单的那个”。 举个例子。假如有一些连续点，可以用二