在机器学习与统计学习中，“hypothesis space（假设空间）”指一个学习算法可供选择的所有候选模型/函数的集合（也可理解为“模型家族”）。算法训练的过程，就是在这个空间里寻找最能解释数据、同时尽量泛化的那个假设。
/haɪˈpɑːθəsɪs speɪs/
A linear model has a small hypothesis space.
线性模型的假设空间通常比较小。
By adding polynomial features, we expanded the hypothesis space, which improved training accuracy but increased the risk of overfitting.
通过加入多项式特征，我们扩大了假设空间，这提高了训练准确率，但也增加了过拟合的风险。
“Hypothesis”源自希腊语 hypóthesis，原意接近“基础/前提、提出的设想”，在科学语境中发展为“假设”。“Space”来自拉丁语 spatium（空间、范围）。合在一起，“hypothesis space”直观表达“所有可被提出的假设所构成的范围/集合”，后来在统计学习与机器学习中被固定用来指“模型的可选集合”。
Select Language