Индуктивное обучение предполагает создание обобщенного правила для всех данных, предоставляемых алгоритму. При этом у нас есть данные на входе и результаты на выходе; мы должны найти отношение между входами и выходами.
Это может быть очень сложно в зависимости от данных. Но это эффективный метод, используемый в ML и используемый в различных областях ML, таких как технология распознавания лиц, диагностика и т.д. Он использует восходящий подход.
Этот алгоритм имеет решающее значение, поскольку он дает нам связь между данными, которую можно использовать для будущих ссылок. Он используется, когда человеческий опыт не работает, когда результаты различны и т.д. Короче говоря, мы можем сказать, что при индуктивном обучении мы обобщаем выводы из данных фактов.
======================
Эта область машинного обучения все еще находится в стадии исследования, поскольку есть много предложений по улучшению эффективности и скорости алгоритма. Другой термин для этой области — индуктивное рассуждение. Это то же самое, что контролируемое обучение.