1. 什么是消融实验

消融实验（Ablation Study） 是一种常用于机器学习、深度学习和计算机视觉等领域的实验方法，用于分析模型中各个组成部分对最终性能的贡献。

核心思想是：

在保持其他条件不变的情况下，有选择地移除（或替换）模型中的某一部分，观察性能变化。

通过对比完整模型与“被消融模型”的结果，可以判断某个模块、特征或设计是否真的有效。

---

2. 消融实验的主要目的

本文解释为什么机器学习模型需要“假设”才能发挥作用，以及为什么不存在适用于所有任务的万能算法。

---

1. 无免费午餐（No Free Lunch, NFL）定理

1.1 定理核心结论

无免费午餐定理说明：

如果所有可能的任务（或目标函数）都等概率出现，则任何两个学习/优化算法的平均性能完全相同。

数学表达：

$$\mathbb{E}_f[\text{performance}(A, f)] = \mathbb{E}_f[\text{performance}(B, f)]$$