參考部落格：
首先說明概念1：版本空間（version space）是概念學習中與已知資料集一致的所有假設(hypothesis)的子集集合。即是版本空間是假設空間中於樣本滿足一致的「假設集合」, 是基於樣本決定的。
gb 是最大泛化正假設邊界（maximally general positive hypothesis boundary）；
sb 是最大精確正假設邊界（maximally specific positive hypothesis boundary）。
對於二維空間中的「矩形」假設（如圖），綠色代表正例，紅色代表負例。學習過程中，可以不斷刪除與正例不一致的假設、和（或）與反例一致的假設。最終將會獲得與訓練集一致（即對所有訓練樣本能夠進行正確判斷）的假設，即學得結果。如圖 gb 與 sb 所圍成的區域中的矩形即為版本空間。
機器學習（假設空間與版本空間）
假設空間 所有屬性的可能取值所組成的集合，比如西瓜 色澤屬性可取 青綠，烏黑，淺白，根蒂屬性可取 蜷縮，稍蜷，硬挺，敲聲屬性可取 濁響，清脆，沉悶，以及好瓜假設不存在。即西瓜問題的假設空間大小為 4 4 4 1 65 版本空間 根據已獲取的資訊 資料集 對假設空間進行剪枝，即找到乙個與資料集匹配的假...
假設空間與版本空間的理解
2019.6.4 機器學習第一章，問題理解 假設空間 所有假設組成的空間。從大類上劃分，瓜有好瓜的可能，瓜有壞瓜的可能和瓜無好壞之分，即無 好瓜 這種東西。上圖中，西瓜訓練集，色澤，根蒂，敲聲，三個屬性中。1 色澤可有青綠 烏黑 淺白三種取值。2 根蒂可有蜷縮 硬挺 稍蜷三種取值。3 敲聲可有濁響 ...
西瓜書 假設空間與版本空間。如何求版本空間
假設空間 屬性所有可能取值組成的可能的樣本 版本空間 與已知資料集一致的所有假設的子集集合。在西瓜問題中，如何根據訓練集求所對應的版本空間？寫出假設空間 先列出所有可能的樣本點 即特徵向量 即每個屬性都取到所有的屬性值 對應著給出的已知資料集，將與正樣本不一致的 要與資料集中所有的正樣本一致，假設有...