Transductive vs Inductive Learning

Transductive vs Inductive Learning 

 

Inductive learning	Transductive learning
labeled training data로만 machine learning model을 학습	labeled training data와 unlabeled test data를 사용하여 학습 (test data의 label에 대한 정보를 모르더라도 test data의 패턴을 학습에 사용)
traditional supervised learning	semi-supervised learning
unseen input data에 대해서도 예측 가능	unseen input data에 대해 예측 정확도가 떨어짐
function parameter(general rule) 학습 o	function parameter 학습 x
unseen input data가 들어왔을때 모델을 다시 학습할 필요 x	unseen input data가 들어왔을때 알고리즘을 다시 학습할 필요 o

대부분의 machine learning task들은 inductive learning을 통해 function parameter(=model = general rule = hypothesis)을 학습한다.

 Transductive learning은 제한된 양의 정보를 가지고 최대한의 예측 결과를 도출할 때 사용된다.

 

Transductive vs Inductive Learning for Graph learning

 

Graph에 대해서 학습할 때 transductive learning은 labeled된 node와 edge와 예측해야할 unlabeled node와 edge정보를 training data로 학습하여 같은 graph에 있는 unlabeled node와 edge의 label을 예측한다.

 

Inductive learning은 labeled된 node와 edge 정보로만 모델을 학습하여 새로운 그래프를 학습된 모델의 input data로 받아서 새로운 그래프의 node와 edge의 label를 예측하는 것이다.