space的时候，会首先联想到它是一个完备的
内积空间，“完备"表示我们用“内积”定义的度量来定义收敛时，不用担心“跑出去”的问题，例如n维欧氏空间就是完备的内积空间。但在
机器学习中，我们更关心无穷维完备内积空间，换言之，函数构成的空间，如所谓square-integrablefunctionspaceL2,这个空间中每个元素都由平方之后可积的函数，可以在这个空间中定义代数运算，使之成为一个内积空间，并且可以证明，在适当的条件下，这样的空间是完备的。在这样的Hilbert从字面上想像，一个空间可分，由于空间就是集合，因此大致是说这个集合可分成多个子集的并，其实完全不是这样trival.数学中的定义，有时候很奇怪，实际上，空间可分与否，和是否compact一样，不是在说划分，而是在说它的“大小”！－－如果度量空间X和一个可数集合差不多大，则它是一个可分空间。解释，1)可数集(countableset)，是包含无穷多个元素的那类集合中最小的一种，比如
自然数集，有理数集，整数集等，它们的大小是一样的，通常我们只会用到这类集合。既然一个可分空间和一个可数集差不多大，那么这个空间也就大不到哪里去。2)“差不多”是差多少？精确的说，只差一个“boundary”，注意，如果你往一杯水中撒一把沙子，则沙子集合与水集合的boundary是“无处不在”的。更精确的说，这个可数集是这个可分空间的稠密子集(denseset)。稠密的意思是说，水与沙子就只差边界那么多，如果把边界填满，二者就一样，如同你把有理集之间的空隙用
无理数填满，你得到
实数集一样。正式的说法是，如果一个子集F的closure等于母集合A，那么F就在A中稠密，换言之，A应当是包含F的最小闭集。直观上说，A是和F大小最接近，最“差不多”大小的集合。例子，Weierstrassapproximation定理说，在compactdomain上，所有多项式函数构成的“子空间”在所有
连续函数构成的“母空间”中是稠密的，这样我们知道，大致上任何一个连续函数都可由某个多项式函数来近似。这就是我们在做回归时经常假定多项式函数的原因。