Transductive Learning

Definition / 定义

Transductive learning（传导式学习/传导学习）是一种机器学习设定：模型在训练时不仅使用带标签的训练数据，还利用待预测的那一批未标注测试数据的分布信息来学习；目标是把这批特定测试样本预测好，而不强调对未来任意新样本的泛化能力。常见于半监督学习与图学习/标签传播等方法中。（该术语在不同文献里有时与半监督学习部分重叠，但强调“面向给定测试集”的学习。）

Pronunciation / 发音

/ˌtrænzˈdʌktɪv ˈlɝːnɪŋ/

Examples / 例句

Transductive learning uses the unlabeled test set during training to improve predictions.
传导式学习会在训练时利用未标注的测试集，从而提升预测效果。

In a citation network, transductive learning can label only the given nodes more accurately, but it may not generalize well to new nodes added later.
在引文网络中，传导式学习能更准确地给“已给定”的节点打标签，但对后来新增节点的泛化可能较弱。

Etymology / 词源

transductive来自 transduction（传导/转换），词根含义是“把信息从一处传到另一处”。在学习理论中，“transductive”强调从已知样本直接推到这批特定未知样本（而不是先学出一个对所有未来样本都通用的规则），与“inductive（归纳式）”学习形成对比。

Related Words / 相关词汇

• Semi-Supervised Learning
• Inductive Learning
• Label Propagation
• Graph Neural Network
• Manifold Learning
• Domain Adaptation
• Transduction

Literary Works / 文学作品

• Vladimir Vapnik, Statistical Learning Theory（统计学习理论相关章节讨论“transduction/传导”思想）
• Thorsten Joachims, “Transductive Inference for Text Classification using Support Vector Machines”（提出并系统讨论文本分类中的传导式推断）
• Olivier Chapelle, Bernhard Schölkopf, Alexander Zien (eds.), Semi-Supervised Learning（多处对传导式与归纳式设定进行对照说明）