1.1 版本空間

答：一共有7種。
因為所有的好瓜壞瓜分別只有一種，所以可以由最特殊的逐步“泛化”，只要不是全部為*就不會出錯。同時存在好瓜的樣本，則一定不是空集。
1. 青綠^蜷曲^濁響=好瓜
2. *^蜷曲^濁響=好瓜
3. 青綠^ * ^濁響=好瓜
4. 青綠^蜷曲^ * =好瓜
5. 青綠^ * ^ * =好瓜
6. * ^蜷曲^ * =好瓜
7. * ^ * ^濁響=好瓜

1.2估算假設空間大小

答：首先單個合取式有3*4*4=49種；

這裡要說明一下，資料是完全按照表1.1進行計算，在表1.1中，色澤只有青綠和烏黑，不考慮下文中作者的假設中包含的淺白。如果考慮淺白，則這裡答案4*4*4+1=65種。
在不考慮任何冗餘的情況下，是一個簡單的組合問題，從49中選擇1/2/3/…/k個的組合之和。
考慮冗餘，= =好難。

1.3偏好設計

首先有可能不存在與所有訓練樣本都一致的假設，也就意味著出現了特徵完全一樣但是label不一樣。具體來說就是，只要沒有出現【特徵一樣label不一樣】的情況，最少能找到一個唯一的限定的假設。比如拿西瓜來說，不管資料怎樣，只要沒有矛盾的資料，我們可以把每種情況都列出來作為最終假設。
下面是我的一些偏好：
1. 謹慎。對於出現訓練樣本特徵一樣label不一致的，則把所有不一致資料都作為不可用資料。
2. 樂觀。對於不一致的則認為是【好瓜】。
3. 悲觀。【壞瓜】

1.4證明

答：之前是嚴格的true or false，如果h(x)=f(x)則認為沒有誤差，一旦不相等則記為一次誤差。這裡用l()函式，可以認為l是一個度量h(x)與f(x)之間差距的函式。證明過程略了，數學功底不夠。

1.5機器學習在網際網路搜尋哪些環節起作用

答：預測輸入，輸入匹配，網頁匹配度，智慧抓取，預載入，網頁排序。