版本空间是概念学习中与已知数据集一致的所有假设的子集，通常用于对内容进行收敛。

版本空间学习是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。

在一些需要对假设的泛化能力排序的情形下，就可以通过 GB 与 SB 这两个上下界来表示版本空间。在学习的过程中，学习算法就可以只在 GB 、 SB 这两个代表集合上操作。

参考来源

【1】https://www.jishux.com/p/1eaaad466795eb5c