参考博客：http://blog.csdn.net/thither_shore/article/details/52311282
首先说明概念1：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。即是版本空间是假设空间中于样本满足一致的“假设集合”, 是基于样本决定的。
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）。
对于二维空间中的“矩形”假设（如图），绿色代表正例，红色代表负例。学习过程中，可以不断删除与正例不一致的假设、和（或）与反例一致的假设。最终将会获得与训练集一致（即对所有训练样本能够进行正确判断）的假设，即学得结果。如图 GB 与 SB 所围成的区域中的矩形即为版本空间。