问：
归纳算法如何在机器学习中使用？
A：在机器学习领域，归纳算法代表了使用数学原理开发复杂计算系统的示例。 机器学习系统超越了简单的“死记硬背输入/输出”功能，并不断发展提供的结果。 归纳算法可以帮助实时处理复杂的数据集，或者需要更长的时间。
归纳算法适用于根据设置结果显示复杂结果的系统。 工程师使用归纳算法的最基本方法之一是增强给定系统中的知识获取。 换句话说，采用适当的算法，无论是关于数据量，噪声和不良结果的过滤，还是某些数据点的改进，最终用户获得的“知识数据”集都会有所改善。
| 免费下载： 机器学习及其重要性 |
尽管归纳算法的技术描述大部分是数学和科学期刊的领域，但是使用归纳算法的基本思想之一是它可以根据归纳原理组织“分类规则”，并将推论结果与不同类型的系统分开噪音或异常。 通常，从域中滤除噪声是归纳算法的主要用途。 有一种想法是，在现实世界的数据过滤中，归纳算法可以针对合法结果和系统噪声组成不同的规则集，以便将彼此区分开。
通过根据某些培训示例设置归纳算法，涉众正在寻找这些系统识别和评估一致规则和代表这些规则异常的数据的能力。 从某种意义上说，归纳算法的使用使用归纳原理来“证明”可以帮助知识的某些结果，因为它们在一个数据集（或多个数据集）中提供了更多标记的轮廓-可以驱动各种目的的区分用户功能。
与其他类型的机器学习软件一样，归纳算法通常被认为是“决策支持”的一种形式。
“我们认为现实世界中的感应系统的主要任务是帮助专家表达其专业知识，”图灵学院（Turing Institute）于1980年代发表的有关机器学习感应的论文写道。 “因此，我们要求归纳的规则具有高度的预测性，并且对于专家来说很容易理解。”
考虑到这一点，归纳算法可以成为许多软件产品的一部分，这些软件产品旨在精炼数据并为人类用户提供不断发展的结果。 总体而言，机器学习和可视化仪表板的使用正在产生新的工具，通过该工具，用户可以更快地开发有关任何给定系统的深入知识，而不论其与海洋研究，医学诊断，电子商务或任何其他种类的系统有关。数据丰富的系统。
