Metraipolis › archive › dc_c0e596de2796
Apprendimento trasduttivo — Wikipedia
- Source
- Wikipedia (it)
- Original
- https://it.wikipedia.org/wiki/Apprendimento_trasduttivo
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-15T17:12:49.655Z
- SHA-256 of the archived text
59635a9aa2a9bfac7bcb3f06f91e731bf78cb248baa19976e1514a16d696718c- Stable URL of this page
https://metraipolis.com/documento/dc_c0e596de2796
How to cite
Apprendimento trasduttivo — Wikipedia — Wikipedia (it), https://it.wikipedia.org/wiki/Apprendimento_trasduttivo (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_c0e596de2796 (Metraipolis archive dc_c0e596de2796, sha256 59635a9aa2a9bfac7bcb3f06f91e731bf78cb248baa19976e1514a16d696718c)
BibTeX
@misc{dcc0e596de2796,
title = {Apprendimento trasduttivo — Wikipedia},
howpublished = {Wikipedia (it)},
url = {https://it.wikipedia.org/wiki/Apprendimento_trasduttivo},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_c0e596de2796; sha256 59635a9aa2a9bfac7bcb3f06f91e731bf78cb248baa19976e1514a16d696718c},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (it), https://it.wikipedia.org/wiki/Apprendimento_trasduttivo. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
In logica, inferenza statistica e apprendimento supervisionato, l'apprendimento trasduttivo, o mediante trasduzione o inferenza trasduttiva è una forma di ragionamento che va da casi specifici osservati (di addestramento) a casi specifici (di test). Al contrario, con l'induzione, il ragionamento, sulla base di casi osservati (di addestramento), mira a derivare regole (modelli) generali, da applicare poi ai casi di test. La distinzione è particolarmente interessante nei casi in cui le predizioni del modello trasduttivo possano essere ottenute da alcun modello induttivo. Si noti che ciò è causato dal fatto che l'inferenza trasduttiva, se operata su diversi set di test, può produrre conclusioni reciprocamente incoerenti. La trasduzione è stata introdotta nel contesto dell'informatica da Vladimir Vapnik negli anni '90, motivata dalla sua visione secondo cui essa è preferibile all'induzione poiché, secondo lui, l'induzione richiede la risoluzione di un problema più generale (l'inferenza di una funzione) prima di risolvere un problema più specifico (calcolo degli output per nuovi casi): "Quando si risolve un problema di interesse, non si risolva un problema più generale come passaggio intermedio. Si cerchi di ottenere la risposta di cui si ha davvero bisogno, e non una più generale". Un esempio di apprendimento non induttivo si riscontra nel caso della classificazione binaria, in cui i dati in input tendono a raggrupparsi in due gruppi. Un insieme di dati di test ampio può aiutare a individuare i cluster, fornendo così informazioni utili riguardo alle etichette delle classi. Non si potrebbero avere le stesse predizioni da un modello che induce una funzione basandosi solo su esempi di addestramento. Questa potrebbe essere considerata come una forma strettamente correlata all'apprendimento semi-supervisionato, sebbene la motivazione di Vapnik sia piuttosto diversa. L'esempio più noto di algoritmo di apprendimento basato su casi è quello del k-vicino più prossimo (k-NN) che è correlato agli algoritmi di apprendimento trasduttivo. Un altro esempio di algoritmo di tale categoria è la Transductive Support Vector Machine (TSVM). Una terza possibile motivazione per l'inferenza trasduttiva nasce dalla necessità di approssimare. Quando l'inferenza esatta risulta proibitiva dal punto di vista computazionale, si può cercare di assicurare che predizioni ottenute tramite inferenza approssimata siano valide almeno per i dati di test. In tale caso, i dati di test potrebbero provenire da una distribuzione arbitraria (non necessariamente correlata alla distribuzione dei dati di training), il che non sarebbe consentito nell'apprendimento semi-supervisionato. Un esempio di algoritmo che rientra in questa categoria è la Bayesian Committee Machine (BCM). Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «apprendimento per rinforzo»). Fonte: Wikipedia in italiano, voce «Apprendimento trasduttivo» — https://it.wikipedia.org/wiki/Apprendimento_trasduttivo Wikidata Q7833965 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q7833965 Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Apprendimento_trasduttivo?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 150820593, consultata il 2026-10-15T16:19:58.383Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 94b5a3be8b004e7f3a3e4707ac65f6d707db957d5b99be92b691a9fae9a98e95