毫升 |理解假设

在大多数监督机器学习算法中，我们的主要目标是从假设空间中找出一个可能的假设，该假设可以将输入映射到正确的输出。
下图显示了从假设空间中找出可能假设的常用方法：

假设空间（H）：
假设空间是所有可能的法律假设的集合。这是机器学习算法将从中确定最可能（只有一个）最能描述目标函数或输出的函数。

假设（h）：
假设是在监督机器学习中最能描述目标的函数。算法会出现的假设取决于数据，也取决于我们对数据施加的限制和偏见。为了更好地理解假设空间和假设，请考虑以下显示一些数据分布的坐标：

假设我们有测试数据，我们必须确定输出或结果。测试数据如下图：

我们可以通过划分坐标来预测结果，如下所示：

所以测试数据会产生以下结果：

但请注意，我们可以将坐标平面划分为：

坐标的划分方式取决于数据、算法和约束。

所有这些我们可以划分坐标平面以预测测试数据结果的合法可能方式组成了假设空间。

每一种可能的方式都被称为假设。

因此，在此示例中，假设空间将类似于：