[摘要] 如何解释奥卡姆剃刀定律？别人的回答非常深入和全面，受益非浅。下面就个人的理解给大家举两个例子来偿试回答“奥卡姆地区的老哥们儿威廉（反正最后都署他的名）”提出了...
如何解释奥卡姆剃刀定律？
别人的回答非常深入和全面，受益非浅。
下面就个人的理解给大家举两个例子来偿试回答“奥卡姆地区的老哥们儿威廉（反正最后都署他的名）”提出了怎样一个堪比剃刀锋利的思想工具。
故事一:
一高僧在山上寺庙为施主解忧。
“大师，因果报应为何？”
忽然山风袭来，凉意悚然，山门轰然而闭。
“施主，此阴间鬼魅做祟而来，阴风咋起，小鬼开道，怒闭山门以报心中之怨。此即因果。”
-完-
按:
所谓科学观点认为，门就是风吹之力作用在门上使之关闭的。
这样就用“剃刀”干掉了一堆小鬼和小鬼的活动这些无用的“实体”。
即“若无必要，勿增实体”，使思考更简捷的意思。
故事二:
万有引力和天使。
牛顿发表了万有引力公式，成功的预言了行星的运动规律。
在此之前，智者认为每刻行星背后有一个天使在推动它沿固定规道运行。
牛顿说，上帝没那么麻烦，引力就够了。于是，天使也被干掉了。
这就是“奥卡姆剃刀”的威力。
如何解释奥卡姆剃刀定律？
奥卡姆剃刀定律：如无必要，勿增实体。原理具体表现为：
1.避重趋轻、2.避繁逐简、3.以简御繁、4.避虚就实。
奥卡姆剃刀定律是由英国奥卡姆的威廉所提出来的。在他主张的唯名论中，奥卡姆的威廉说到：“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”。这个定律在14世纪的欧洲，剃秃了几百年间争论不休的经院哲学和基督教神学，使科学、哲学从神学中分离出来，引发了欧洲的文艺复兴和宗教改革。而其深刻意义，也在时间的沉淀中变得更加广泛和丰富。
用简单的话语来说明奥卡姆剃刀定律就是，保持事情的简单性，抓住根本，解决实质，我们不需要人为地把事情复杂化，这样我们才能更快更有效率的将事情处理好。而且多出来的东西未必是有益的，相反更容易使我们为自己制造的麻烦而烦恼。
奥卡姆剃刀定律的另外一种阐释就是：当你有两个处于竞争地位的理论能得出同样的结论，那么简单的那个更好。
对于现象最简单的解释往往比较复杂的解释更正确；如果你有两个类似的解决方案，选择最简单的。这些所提到其实就是驭繁于简。把事情变复杂很简单，把事情变简单很复杂。所以奥卡姆剃刀定律对我们的启示是必须深刻记忆的。只要我们能勇敢地拿起"奥卡姆剃刀"，把复杂事情简单化，你就会发现人生其实好简单，成功其实离你也并不远。
下面举一奥卡姆剃刀定律在机器学习领域中应用的例子来更好的阐述该定律的内涵和原理
奥卡姆剃刀定律在机器学习领域同样应用广泛。将奥卡姆剃刀定律应用在机器学习上意思是使用的模型尽可能的简单。如图所示，对于同一组数据集，两种不同的分类模型（模型A/B），应该如何选择？
通过肉眼观察，当然会选择模型A，因为它简单，于是产生了两个问题，什么情况意味着模型是简单的？如何得知简单的模型会有好的表现？
简单意味着什么？
对于一个假设h，参数越小意味着越简单，模型A只需要极少的参数，如圆心和半径。
对于一个假设空间H，有效的假设数量越少则意味着越简单。
如何得知简单的模型会有好的表现？
假设一个数据集的规律性很差（如输入样本的输出标记都是随便标记的），此种情况很少有（甚至没有）假设函数能使得该样本的分类误差等于0。如果一个数据集能被某模型分开，则该数据集的规律性不会特别差。在使用简单模型将某数据集大致区分开时，则可以确定该数据集是具有某种规律性的；如果是用复杂模型将某数据集分开，则无法确定是数据集具有规律性还是模型足够复杂恰巧将混乱的数据集分离。
因此，在运用模型时先使用简单的模型，一般使用最简单的线性模型。