至少你应该知道两点：

• P/NP/NP-hard（以及所有其他类型的复杂性）对于机器学习领域也完全有效。因为这些概念与计算的基础（计算理论）有关，机器学习在这里也不例外。
• 学习问题复杂性中有用的概念之一是VC 维度、PAC可学习性及其相关概念（例如样本复杂性）。尽管这些概念不足以衡量时间复杂度，但它们对于查找学习器模型的容量很有用。

如果没有归纳偏差 [1]，使用任意生成模型的无监督解缠结学习是不可能的。

事实上，一般来说，没有归纳偏差，任何类型的学习都是不可能的。

[1]：挑战解开表示的无监督学习中的常见假设