APRENDIZAJE INDUCTIVO

El aprendizaje inductivo solo puede desplegarse si se le ofrece al sistema que haya de realizar algun calculo una información que, por las razones que fuera, sea relevante para la evolución y descripción del problema.

Tarea del aprendizaje inductivo

Encontrar una Hipotesis P que permita determinar el papel de la Información dada C con respecto a la Estructura Lógica que refleja el conocimiento disponible CB.

CB∪P=C

• En principio existen muchas posibilidades para escoger P, cualquier preferencia se llama bias o sesgo. Todos los algoritmos de aprendizaje exhiben algun tipo de ´ sesgo.

El sesgo inductivo de L es cualquier conjunto mínimo de supuestos B tal que para cualquier concepto objetivo y sus correspondientes ejemplos Dc, justifican la inferencia inductiva como inferencia deductiva.

Aprendizaje inductivo supervisado

Dado un conjunto de ejemplos en la forma de pares (entradas, salidas), encontrar las reglas que mejor modelan la relación entre las entradas y las salidas

Aprendizaje inductivo no supervisado

Extraer conclusiones a partir de un conjunto de ejemplos sin etiquetar (sólo entradas)

Aprendizaje inductivo supervisado

vecino más cercano (nearest neighbour)

árboles de decisión (decision trees)

redes neuronales (neural networks

IF (tiempo=Soleado AND Humedad=Alta) OR(tiempo=Lluvioso AND Viento=Suave) ORtiempo=Nublado THEN Coger_Paraguas=Sí

Algoritmo de aprendizaje por inducción supervisada que pretende modelar los datos de ejemplo mediante un árbol, llamado árbol de decisión

En este árbol, los nodos intermedios son los atributos de entrada de los ejemplos presentados, las ramas representan valores de dichos atributosy los nodos finales son los valores de la clase.

Aprendizaje inductivo no supervisado

agrupamiento (clustering)

análisis de dependencias

redes neuronales (neural networks)