Mostra la font per a Aprenentatge de l'espai de versions

[[Fitxer:Version_space.png|miniatura|300x300px|Espai de versions per a un llenguatge d'hipòtesi "rectangle" en dues dimensions. Els avantatges verds són exemples positius i els cercles vermells són exemples negatius. GB és el límit de la hipòtesi positiva màxima '''general''', i SB és el límit de la hipòtesi positiva màxima '''específica'''. Els rectangles intermedis (prims) representen les hipòtesis a l'espai de versions.]]
'''L'aprenentatge de l'espai de versions''' és un enfocament [[Intel·ligència artificial simbòlica|lògic]] de [[Aprenentatge automàtic|l'aprenentatge automàtic]], concretament [[Classificació binària|la classificació binària]]. Els algorismes d'aprenentatge de l'espai de versions cerquen un espai predefinit d'[[Hipòtesi|hipòtesis]], vist com un conjunt d'[[frase (lògica)|oracions lògiques]]. Formalment, l'espai d'hipòtesi és una [[disjunció]] <ref>{{Ref-web|url=https://pages.mtu.edu/~nilufer/classes/cs4811/2017-spring/lecture-slides/cs4811-ch19-version-spaces.pdf|títol=Section 19.1 Version Spaces
CS4811 - Artificial Intelligence|consulta=1-10-2023|llengua=anglès|editor=https://pages.mtu.edu}}</ref>

<math>H_1 \lor H_2 \lor ... \lor H_n</math>

(és a dir, la hipòtesi 1 és certa, o la hipòtesi 2, o qualsevol [[subconjunt]] de les hipòtesis 1 a {{Mvar|n}}). Es presenta un [[algorisme]] d'aprenentatge de l'espai de versions amb exemples, que utilitzarà per restringir l'espai d'hipòtesis; per a cada exemple {{Mvar|x}}, les hipòtesis que són [[consistència|inconsistents]] amb {{Mvar|x}} s'eliminen de l'espai.<ref name="Mitchel-1982">{{Ref-publicació|cognom=Mitchell|nom=Tom M.|publicació=Artificial Intelligence|volum=18|exemplar=2|pàgines=203-226|any=1982|doi=10.1016/0004-3702(82)90040-6}}</ref> Aquest perfeccionament iteratiu de l'espai d'hipòtesis s'anomena algorisme '''d'eliminació de candidats''', l'espai d'hipòtesi que manté dins de l'algorisme el seu ''espai de versions''.<ref>{{Ref-web|url=https://www.khoury.northeastern.edu/home/rjw/csg220/lectures/version-spaces.pdf|títol=Version Space Learning|consulta=1-10-2023|llengua=anglès|editor=https://www.khoury.northeastern.edu}}</ref>

== L'algoritme de l'espai de versions ==
En entorns on hi ha un ordre de generalitat en les hipòtesis, és possible representar l'espai de versions mitjançant dos conjunts d'hipòtesis: (1) les hipòtesis consistents '''més específiques''' i (2) les hipòtesis consistents '''més generals''', on "consistent" indica acord amb les dades observades.<ref>{{Ref-web|títol=Machine Learning/Version Spaces|url=https://www2.cs.uregina.ca/~dbd/cs831/notes/ml/vspace/3_vspace.html|consulta=2023-10-01|llengua=anglès|editor=https://www2.cs.uregina.ca}}</ref>

Les hipòtesis més específiques (és a dir, el límit específic '''SB''') cobreixen els exemples d'entrenament positius observats, i el mínim possible de l'[[Característica (aprenentatge automàtic)|espai de característiques]] restants. Aquestes hipòtesis, si es redueixen més, ''exclouen'' un exemple d'entrenament ''positiu'' i, per tant, es tornen inconsistents. Aquestes hipòtesis mínimes constitueixen essencialment una afirmació (pessimista) que el veritable concepte es defineix només per les dades ''positives'' ja observades: per tant, si s'observa un punt de dades nou (mai abans vist), s'ha de suposar que és negatiu. (És a dir, si les dades no s'han descartat prèviament, es descarten).

Les hipòtesis més generals (és a dir, el límit general '''GB''') cobreixen els exemples d'entrenament positius observats, però també cobreixen la major part de l'espai de característiques restants sense incloure cap exemple d'entrenament negatiu. Aquests, si s'amplien més, ''inclouen'' un exemple d'entrenament ''negatiu'' i, per tant, es tornen inconsistents. Aquestes hipòtesis màximes constitueixen essencialment una afirmació (optimista) que el veritable concepte es defineix només per les dades ''negatives'' ja observades: per tant, si s'observa un punt de dades nou (mai abans vist), s'ha de suposar que és positiu. (És a dir, si les dades no s'han descartat anteriorment, s'han descartat).

Així, durant l'aprenentatge, l'espai de versions (que en si mateix és un conjunt, possiblement [[infinit]], que conté ''totes'' les hipòtesis consistents) es pot representar només pels seus límits inferior i superior (conjunts d'hipòtesis màximament generals i màximament específics), i les operacions d'aprenentatge es poden realitzar només en aquests conjunts representatius.

Després de l'aprenentatge, la classificació es pot realitzar en exemples no vists provant la hipòtesi apresa per l'algorisme. Si l'exemple és coherent amb múltiples hipòtesis, es pot aplicar una regla de vot majoritari.

== Referències ==
{{Referències}}

[[Categoria:Aprenentatge automàtic]]