机器学习（假设空间与版本空间）

假设空间：所有属性的可能取值所组成的集合，

比如西瓜：色泽属性可取（青绿，乌黑，浅白，*），根蒂属性可取（蜷缩，稍蜷，硬挺，*），敲声属性可取（浊响，清脆，沉闷，*），以及好瓜假设不存在。即西瓜问题的假设空间大小为（4*4*4+1=65）。

版本空间：根据已获取的信息（数据集）对假设空间进行剪枝，即找到一个与数据集匹配的假设空间子集。

子集：如果一个集合A的任意一个元素都是集合B的集合，那么集合A称为集合B的子集。

泛化：指根据某些偏好（出现频率高），选择版本空间里的一种假设作为判断。

删除与正例不一致的假设和与反例一致的假设 ！= 删除错误的假设：

表1.1为例。色泽青绿，根蒂蜷缩，敲声浊响的瓜是好瓜，若它作为一种假设，则需要被剔除，因为若它成立，则色泽非青绿，根蒂非蜷缩，敲声非浊响的瓜都为坏瓜，这就与编号2的实例矛盾了。（没考虑到假设的排他性，然也有例外的情况）。再比如说，色泽=*，根蒂=*，敲声=浊响的瓜是好瓜，如果我们做出这种假设，对于表中的4种训练样本，在这种假设下都能做出正确的判断。对于色泽是乌黑，根蒂蜷缩，敲声浊响的瓜，根据这种假设，我们也能做出是好瓜的判断。同理色泽=*，根蒂=青绿，敲声=*的瓜是好瓜这条假设也匹配，这样，就能得出与表1.1训练集相匹配的版本空间。