這下子，讀者對機器學習的熱情可能被一盆冷水澆透了：既然所有學習算法的期望性能都跟隨機胡猜差不多，那還有什么好學的？
　　我們需注意到，NFL定理有一個重要前提：所有“問題”出現(xiàn)的機會相同、或所有問題同等重要．但實際情形并不是這樣．很多時候，我們只關注自己正在試圖解決的問題（例如某個具體應用任務），希望為它找到一個解決方案，至于這個解決方案在別的問題、甚至在相似的問題上是否為好方案，我們并不關心．例如，為了快速從A地到達B地，如果我們正在考慮的A地是南京鼓樓、B地是南京新街口，那么“騎自行車”是很好的解決方案；這個方案對A地是南京鼓樓、B地是北京新街口的情形顯然很糟糕，但我們對此并不關心，事實上，上面NFL定理的簡短論述過程中假設了，的均勻分布，而實際情形并非如此．例如，回到我們熟悉的西瓜問題，考慮_[假設1：好瓜÷÷（色澤=術）八（根蒂=蜷縮）八（敲聲=濁響））和{假設2：好瓜÷÷（色澤=木）八（根蒂=硬挺）/（敲聲=清脆）]-．