归纳学习是机器学习的一种方法，其通常被用于符号学习，主要通过给定关于某个概念的一系列已知正例和反例，并从中归纳出一个概念描述。
归纳学习可以获得新的概念，创立新的规则，发现新的理论，其一般操作是泛化和特化，其中泛化指扩展一个假设的语义信息，使其能够包含更多的正例以用于更多的情况；特化则被用于限制概念描述的应用范围。
归纳学习旨在从数据经验中归纳和抽取出一般的判定规则和模式，可以看作是从特殊情况推导出一般规则的学习方法。