机器学习笔记----假设空间

假设空间

转发自该博客：https://blog.csdn.net/zmdsjtu/article/details/52689392

一些细碎的概念：

1.    归纳（induction）：是科学推理的两大基本手段之一，是从特殊到一般的泛化过程，也就是从具体的事实归纳出一般规律。

2.    演绎（deduction）：是科学推理的另一基本手段，也就是从基础原理推演出具体情况。

3.    归纳学习（inductive learning）：顾名思义，从样例中学习显然时一个归纳的过程

4.    广义的归纳学习：从样例中学习

5.    侠义的归纳学习：从训练数据中学的概念/概念生成/概念（concept）学习

下面我们来构造一个“假设空间”：

比如说选择配偶时我们有以下几个指标——

体型（肥胖，匀称，过瘦）

财富（富有，一般，贫穷）

性别（同性，异性）//我这什么脑洞啊

现在我们要构建一个合适的假设空间来构建一个择偶观：

体型来说有肥胖均匀和过瘦三种，也有可能价值观里认为这个无关紧要，所以有四种可能。

加上一个极端的情况，这三个评判准则选出来的都不是想要的

所以假设空间的规模大小为4X4X3+1=49.

有很多策略来对空间里这些假设进行“筛选”，利用样本可以把假设空间里的假设一个个排除筛选。因为训练样本是有限的，所以有时会存在多个假设满足这些条件，这些假设我们叫做“训练集合”，或者版本空间（version space）