人工智能(1)-样本空间、假设空间、版本空间

这儿主要归纳一下，样本空间、假设空间、版本空间的定义，三者的联系与区别。

 西瓜数据集

编号	色泽	根蒂	敲声	好瓜
1	青绿	蜷缩	浊响	是
2	乌黑	蜷缩	浊响	是
3	青绿	硬挺	清脆	否
4	乌黑	稍蜷	沉闷	否

一：样本空间

      上表中给出了四种实际存在的情况，也即是我们目前所能获得的训练集。样本空间的标准定义是：所有可能存在的、合理的、情况的集合。机器学习的主要工作就是寻找从属性空间（X）到标记空间（Y）的一个映射关系。说法很多，但可以认为Xi-Yi实际存在的一个组合就是一个样本，而所有样本的集合，就是样本空间。而上述的的训练集只是样本空间一个很小的采样。

二：假设空间

起初，我们并不能得到样本空间。只有样本空间的一个很小的子集，也就是上面的四条样本。但可以确定的是（目前姑且这样认为）每一条示例有三条属性，即一个瓜的好或不好，由三个属性确定，而每个属性有三个值。就拿西瓜的颜色来说，表中有青绿、乌黑，姑且加一种浅白（仅为演示何为假设空间），可以确定的是一个好瓜应该是青绿