一个新的概念，版本空间，但能查到的资料很有限，现把我能查到的资料列举如下，以便大家查阅。
版本空间（version space）是概念学习中与已知数据集一致的所有假设（hypothesis）的子集集合。版本空间学习是一种机器学习的逻辑方法，特别是二进制分类。版本空间学习算法搜索预定空间的假设，被视为一组逻辑语句。
对于二维空间中的“矩形”假设（右图），绿色加号代表正类样本，红色小圈代表负类样本。 GB 是最大泛化正假设边界(maximally General positive hypothesis Boundary), SB 是最大精确正假设边界(maximally Specific positive hypothesis Boundary). GB与SB所围成的区域中的矩形即为版本空间中的假设，也即GB与SB围成的区域就是版本空间。
按照我的理解，版本空间就是一个范围，这个范围属于判定的模糊边界，也就是这个部分的体现了精确度和泛化能力的情况。
对于二个假设模型，我们可以画出二个假设模型的GB和SB的边界，那么可以比较出二个模型的好坏，以此来比较模型的好坏。
具体的一个例子来得到版本空间，详见链接。版本空间的具体例子