Indukční zaujatost

Informally mluvení, indukční zaujatost učení stroje algoritmus se odkazuje na další předpoklady, že žák bude používat předpovídat správné výstupy pro situace, které nebyly narazeny doposud.

V učení stroje jeden míří na konstrukci algoritmů, to být schopný se učit předpovídat jistý cílový ouput. Pro toto žák bude představoval omezené množství příkladů tréninku, které demonstrují zamýšlený vztah vstupu a výstupních hodnot. Po úspěšném učení, žák má přiblížit se správnému výstupu, dokonce pro příklady, které nebyly ukazovány v průběhu toho, jak cvičí. Bez nějakých dalších předpokladů, tato úloha nemůže být řešena od té doby, co nespatřené situace by mohly mít libovolnou výstupní hodnotu. Druh nutných předpokladů o povaze funkce cíle být zahrnut v termínu indukční zaujatost. Klasický příklad indukční zaujatosti je Occams holící strojek, předpokládat, že nejjednodušší souhlasná hypotéza o funkci cíle je vlastně nejlepší. Tady souhlasný znamená, že hypotéza žáka dá správný ouputs pro všechny příkladů, které byly dány algoritmu.

Přístupy k více formální definici indukční zaujatosti jsou umístěné na matematický logika. Tady, indukční zaujatost je logická rovnice to, spolu s daty tréninku, logicky znamená hypotézu vytvořenou žákem. Unfortunatelly, tento přísný formalizmus propadne v mnoha praktických případech, kde indukční zaujatost může jen být dávána jako tvrdý popis (např. v případě neuronových sítí).