귀납적 학습

귀납적 학습이는 일반적으로 상징적 학습에 사용되는 기계 학습 방법입니다. 이는 주로 개념에 대한 일련의 알려진 긍정적, 부정적 예를 통해 개념 설명을 요약한 것입니다.

귀납적 학습을 통해 새로운 개념을 습득하고, 새로운 규칙을 만들고, 새로운 이론을 발견할 수 있습니다. 일반적인 작업은 일반화와 특수화입니다. 일반화란 가설의 의미적 정보를 확장하여 더 많은 상황에서 사용할 수 있는 긍정적인 예를 더 많이 담을 수 있도록 하는 것을 말합니다. 특수화는 개념 설명의 적용 범위를 제한하는 데 사용됩니다.

귀납적 학습은 데이터 경험으로부터 일반적인 판단 규칙과 패턴을 요약하고 추출하는 것을 목표로 하며, 이는 특수한 사례에서 일반적인 규칙을 도출하는 학습 방법으로 볼 수 있습니다.