從NFL定理可知，這兩個假設同樣好，我們立即會想到符合條件的例子，對好瓜（色澤=青綠；根蒂=蜷縮；敲聲=濁響）是假設1更好，而對好瓜（色澤=烏黑；根蒂=硬挺；敲聲=清脆）則是假設2更好．看上去的確是這樣，然而需注意到，“（根蒂=蜷縮；敲聲=濁響）”的好瓜很常見，而“（根蒂=硬挺；敲聲=清脆）”的好瓜罕見，甚至不存在，所以，NFL定理最重要的寓意，是讓我們清楚地認識到，脫離具體問題，空泛地談論“什么學習算法更好”毫無意義，因為若考慮所有潛在的問題，則所有學習算法都一樣好．要談論算法的相對優(yōu)劣，必須要針對具體的學習問題；在某些問題上表現(xiàn)好的學習算法，在另一些問題上卻可能不盡如人意，學習算法自身的歸納偏好與問題是否相配，往往會起到?jīng)Q定性的作用．