告诉计算机的语言是什么问题,而不是如何解决问题。因此,给定一个数据库或一组规则,计算机会尝试找到与所有所需属性匹配的解决方案。
示例 1(格式:输入变量 => 预期输出)
规则集:
2, 2 => 4; 2, 4 => 6; 4, 4 => 8
等。
然后程序得知它需要添加所有输入变量。
告诉计算机的语言是什么问题,而不是如何解决问题。因此,给定一个数据库或一组规则,计算机会尝试找到与所有所需属性匹配的解决方案。
示例 1(格式:输入变量 => 预期输出)
规则集:
2, 2 => 4; 2, 4 => 6; 4, 4 => 8
等。
然后程序得知它需要添加所有输入变量。
根据维基百科,归纳逻辑编程(ILP)是机器学习的一个子领域,它使用逻辑编程作为示例、背景知识和假设的统一表示。
例如,给定已知背景知识的编码和表示为事实逻辑数据库的一组示例,ILP 系统将推导出一个假设的逻辑程序,该程序包含所有正例而没有负例。归纳逻辑编程在生物信息学和自然语言处理中特别有用。
有一些已知的实现,例如: