यदि आप नो-फ्री लंच प्रमेय को जानते थे (वोल्फर्ट और मैकरेडी) को जानते थे, तो आपको एक क्लासिफायर पर लटका नहीं दिया जाएगा और पूछेंगे कि यह सबसे अच्छा क्यों नहीं है। एनएफएल प्रमेय अनिवार्य रूप से कहता है कि "सभी लागत कार्यों के ब्रह्मांड में, कोई भी सर्वश्रेष्ठ क्लासिफायरियर नहीं है।" दूसरा, क्लासिफायर प्रदर्शन हमेशा "डेटा पर निर्भर करता है।"
बदसूरत डकलिंग प्रमेय (वातानाबे) अनिवार्य रूप से कहा गया है "सुविधाओं के सभी सेट के ब्रह्मांड में, वहाँ कोई भी सुविधाओं का सबसे अच्छा सेट है।" कि
p > n , अर्थात, डेटा की आयाम नमूना आकार से बड़ा है, तो एक द्विआधारी वर्गीकरण समस्या हमेशा रैखिक रूप से अलग होती है।
उपरोक्त के प्रकाश में, साथ ही ओक्टम के रेजर में , ऐसा कुछ भी नहीं है जो किसी भी चीज़ से बेहतर हो, डेटा और लागत फ़ंक्शन से स्वतंत्र हो।
मैंने हमेशा यह तर्क दिया है कि सीएनएन खुद ही उन क्लासिफायर का नहीं है, जिनके लिए विविधता (कप्पा बनाम त्रुटि) का आकलन किया जा सकता है।