Machine learning 版本空间中的假设总数

我怀疑机器学习

---

在看到任何培训示例之前，版本空间的大小是多少。考虑到我有10个属性，我用约束的结合来表示。属性有两个值，每个值为“是”或“否”。

如果有K个类，则版本空间只是将所有可能的AtterBute值拆分为K个不相交子集的可能数目

就你而言：

• 10个属性
• 每个属性有2个可能的值
• 有2^10=1024个可能的点
• 有K^1024个可能的假设（你可以把它们看作是用K个值中的一个来标记每个点）

例如，对于二进制情况K=2，我们在版本空间中有2^1024个假设

---

如果你只考虑可能的假设子集（通过对它们的表示加上一些限制）比这个数字小，但是对实际数字的分析将需要深入了解你所约束的假设的“表达性”的细节。它与机器学习有关@你说的K类是什么意思？约束连接的公式不是不同吗@我指的是K类。您可以拥有任意数量的类和标签。在最简单的情况下，K=2。什么类型的约束的合并？约束是一个非常通用的术语。