下图表示了一个规则空间偏序关系的一部分。 图5-7 规则空间偏序关系 　　图中，TRUE表示没有任何条件，这是最一般的概念。概念 表示至少有一张梅花牌，它比TRUE要特殊些。而概念 表示至少有一张梅花牌且至少有一张红心牌，它比前两个概念更特殊。图中的箭头用来指向从特殊概念到一般概念。图中最下面一行的各点是正例直接对应的概念，每一个点的概念只符合一个正例。现在一手牌，例子是每张牌c的花色和点数，比如： 　　 这是一个正例，一个最特殊的概念。而概念RANK(c,7)是规则空间中的点，它比没有描述要特殊，比示教正例要一般。示教例子应该是有具体花色、具体点数的某一张或一组牌。 　　规则空间结构图如下： 图5-8 规则空间的结构 　　如图所示，规则空间中最一般的元素构成子集G；规则空间中最特殊的元素构成的子集为S。在假设规则集合H是以G为上确界和以S为下确界的一段。因此，可以用G和S来表示集合H。学习过程就是G向下、S向上变化的过程，也就是说学习时规则空间的形状在发生变化，所以称为变形空间法。最后，H成为一个点，学习结束。 　　上图中规则空间初始时，最上边是一般规则（概念），没有描述、没有条件的一个点。满足所有例子，如TRUE。最下面一行是各个具体的正例直接对应的概念。如扑克牌的某一张或一组牌。 　　下面要讨论的就是如何修改规则空间，降低G，提升S，使H缩小成一点的方法。