轉導推理_歸納推理_轉導學習_歸納學習

轉導推理_歸納推理

【Def：傳統推理方法：歸納推理】直到今天，傳統的推理方法仍然是歸納-演繹法，人們首先用已有信息定義一個一般規則，然后用這個規則來推斷所需要的答案（首先從特殊到一般，然后從一般特殊。）。

【Def：轉導推理 Transductive Inference】轉導推理的目的是估計某一位置預測函數在給定興趣點上的值（而非函數全部定義域上的值）。

【轉導和歸納的差別】轉導推理推廣性的屆優於歸納推理相應的界（解決實際問題有優勢），同時也是推廣性哲理上的突破，轉導推理直接進行從特殊到特殊的推理，避免問題中不適定部分（從特殊到一般），因此在轉導推理執行的是不依賴於推廣性思想的經驗推理。

在統計學習中，轉導推理（Transductive Inference）是一種通過觀察特定的訓練樣本，進而預測特定的測試樣本的方法。另一方面，歸納推理（Induction Inference）先從訓練樣本中學習得到通過的規則，再利用規則判斷測試樣本，常見的監督學習。然而有些轉導推理的預測無法由歸納推理獲得，這是因為轉導推理在不同的測試集上會產生相互不一致的預測，這也是最令轉導推理的學者感興趣的地方，比如處理訓練樣本少的少樣本學習方面就是種轉導推理。

當我們把轉導推理和歸納推理的思想應用到深度學習中，即為轉導學習和歸納學習

轉導學習_歸納學習

實際上我們平時所說的learning一般指的是inductive learning。

考慮普通學習問題，訓練集為 ，測試（未標記） ，眾所周知， 不會出現在訓練集中。這種情況就是inductive learning。

半監督學習的情況，訓練集為 ，測試 ，此時， 與 都是未標記的，但我們測試的 在訓練時沒有見過，這種情況是 inductive semi-supervised learning。

如果我們不管 ，而是想知道對 的效果怎么樣時，由於此時在訓練的時候我們已經見過 （利用了 的特征信息），這時就叫transductive semi-supervised learning。

簡單來說，transductive和inductive的區別在於我們想要預測的樣本，是不是我們在訓練的時候已經見（用）過的。

通常transductive比inductive的效果要好，因為inductive需要從訓練generalize到測試。