|
- 如何理解 inductive learning 与 transductive learning? - 知乎
Inductive learning对应于 meta-learning (元学习)，要求从诸多给定的任务和数据中学习通用的模式，迁移到未知的任务和数据上。 Transductive learning对应于 domain adaptation (领域自适应)，给定训练的数据包含了目标域数据，要求训练一个对目标域数据有最小误差的模型。
- 为什么GAT能够实现Inductive learning，而GCN不行？ - 知乎
GAT的这种特性使其在理论上更适合于inductive learning。 GAT的设计使其天然适合inductive learning。 GCN 虽然依赖于固定的图结构，但通过适当的修改（如图池化技术或灵活的节点特征表示），它也可以在一定程度上处理新的图结构，从而进行inductive learning。
- 为什么Graphsage是inductive的，而GCN不是？ - 知乎
Inductive learning 和 Transductive learning区别 在网上搜了一下 Inductive learning 和 Transductive learning 的区别，总结一下就是： Inductive learning 中文意为归纳式学习，它在训练过程中只在训练集上训练，完全不知道测试集的数据内容，模型训练完毕后，将其应用到测试集上
- 逻辑学中演绎 (deductive)与推理 (inferential)有什么区别和联系？ - 知乎
1 先看定义 演绎论证：必然来自前提-如果前提是正确的，那么结论是正确的。 Deductive Argument: necessarily follows from the premises - if the premises are true, the conclusion is true 归纳论证：前提在一定程度上支持结论 Inductive argument: conclusion is supported, to a greater degree or lesser degree, by the premises
- 如何深入浅出地解释「诱导效应」？ - 知乎
来简单说说我是 如何给高中生形象地解释“正诱导效应” （positive inductive effect）的，这部分的知识点出现在一些国际高中的课程中，属于大学预科课程（如英国A-LEVEL）的一部分。
- 为什么GCN是Transductive的? - 知乎
Inductive学习指的是训练出来的模型可以适配节点已经变化的测试集，但GCN由于卷积的训练过程涉及到邻接矩阵、度矩阵（可理解为拉普拉斯矩阵），节点一旦变化，拉普拉斯矩阵随之变化，也就是你说的需要“重新计算前面的归一化矩阵”，然后重新训练模型，不能“活学活用”，所以是Transductive的
- 实现 LLM 复杂推理（Reasoning）目前有哪些主要方法？ - 知乎
归纳推理（Inductive Reasoning）：根据若干具体样例推断普适规律。 机器学习的很多过程其实就是归纳推理，例如从训练样本中学习回归或分类模型。
- 英语中的inductive argument 和deductive argument 怎么区分？
演绎推理（英语：Deductive Reasoning）在传统的亚里士多德逻辑中是「结论，可从叫做‘前提’的已知事实，‘必然地’得出的推理」。如果前提为真，则结论必然为真。这区别于溯因推理和归纳推理：它们的前提可以预测出高概率的结论，但是不确保结论为真。 “演绎推理”还可以定义为结论在普遍
|
|
|