《机器学习》——关于假设空间与版本空间

第一章绪论就抛出一堆概念，看到假设空间与样本空间有点懵，查了一些资料才大概了解，记录一下。

一、基本概念

    假设空间：机器学习中可能的函数构成的空间称为“假设空间”。（百度百科的概念）

    我的理解是：针对某一个问题，所有可能存在的情况的集合，比如说书上的西瓜问题，西瓜的特征有三个，色泽、根蒂、敲声，这三个特征可以用来描述一个西瓜，已知的特征中色泽有两种，根蒂有三种，敲声有三种，根据排列组合是有18种情况，但是其他的西瓜可能并不局限于这18种情况，我们是要找到能够描述好瓜的特征，有可能只要敲起来浊响，无论根蒂和色泽是什么样的都是好瓜，也有可能不存在好瓜，三个特征都是空。

    版本空间：是概念学习中与已知数据集一致的所有假设的子集集合。假设空间考虑了所有的情况，但是其中的一些情况与已知的数据集不一致，比如在已知的数据集中是存在好瓜的概念，所以假设空间中的Ø就属于版本空间的。

 

二、西瓜问题

     根据西瓜问题，假设空间应该如下所示：

1 色泽＝＊，根蒂＝＊，敲声＝＊

2 色泽＝青绿，根蒂＝＊，敲声＝＊

3 色泽＝乌黑，根蒂＝＊，敲声＝＊

4 色泽&#