Inductive Learning vs Transductive Learning

인덕티브 학습 (Inductive Learning)

개념 설명

- 인덕티브 학습은 학습된 모델이 이전에 보지 못한 새로운 데이터에 대해 일반화할 수 있도록 학습하는 것을 의미

- supervised learning

- 주어진 훈련 데이터에서 일반적인 규칙이나 패턴을 추출하여 새로운 데이터에 대한 예측을 수행하는 것을 목표

 

예시

- 분류 문제에서 고양이와 개의 이미지를 사용하여 학습한 후 새로운 이미지가 고양이인지 개인지 분류하는 것

 

트랜스덕티브 학습 (Transductive Learning)

개념 설명

- 트랜스덕티브 학습은 훈련 데이터와 동시에 테스트 데이터를 고려하여 학습하는 방법

- 학습 데이터와 테스트 데이터를 함께 고려하여 모델을 구축하고, 특정 테스트 데이터에 대한 예측을 수행

- semi-supervised learning

예시

- 레이블이 없는 데이터에 대해 레이블을 예측하는 것이 트랜스덕티브 학습

- transductive SVM (TSVM), graph-based label propagation algorithm (LPA), node-classification 기반 graph convolutional neural networks (GCN)의 feature propagation 

 

Inductive vs Transductive 차이

- Inductive 학습/예측의 단계가 나눠져 한번 학습 시키면 관찰되지 않았던 데이터에 대해 예측결과를 낼수 있음

- Transductive 사실상 학습/예측 단계가 나눠져 있다고 보기 어려움 -> 즉, 관찰되지 않았던 데이터가 있다면 다시 process를 타야 예측 가능

source: https://www.researchgate.net/figure/Inductive-and-transductive-learning-a-Traditional-inductive-scheme-with-two-separate_fig4_320414237

 

참고

https://velog.io/@kimdyun/Inductive-Transductive-Learning-%EC%B0%A8%EC%9D%B4%EC%A0%90

velog