→ unlabeled data도 그들이 가진 특성을 활용해 새로운 prediction을 해준다. 따라서 사전에 명시적인 function parameter를 학습하지 않는다. 그래서 모델을 구축하지 않는다.
Semi-supervised learning 방식과 유사
사전에 train dataset과 test dataset을 모두 관찰
test data의 label은 없지만 그 안에서 유의미한 패턴 추출이 가능
모델을 구축하지 않아서 새로운 데이터가 입력으로 들어왔을 때 알고리즘을 처음부터 재시작할 필요성이 존재하여 계산 효율 낮음 (high computational cost)
Transductive learning 이란 그래프 상의 일부 노드와 edge의 ground truth를 아는 상태에서 나머지 노드와 edge의 값을 추정하는 것이다. 즉, known 노드와 edge를 가지고 supervised leaning을 해서 연결된 unknown 노드와 edge를 prediction 하는 방식을 의미한다.
Transductive learning은 모델을 만들지 않음. 즉, 전체 모델을 만들어서 그 모델의 generalization을 극대화 시켜서 다가올 모르는 문제에 대해서 평균적으로 좋은 성능을 나타내기를 기대하지 않음.
→supervised learning