没有免费的午餐：

对于一个数据没有绝对的假设，你的归纳偏好在一组数据中可能合适，但是在另一组数据中就可能变得不合适，即不存在一个先验模型保证一定更好。想要获得最好的模型，就要对所有模型进行评估，但这往往是不可能的，所以，我们总结的模型一般只是在一定范围内适用。

奥卡姆剃刀：

宣传只承认确实存在的东西，认为那些空洞无物的普遍性要领都是无用的累赘，应当被无情地“剃除”。