图神经网络的直推式(Transductive)学习与归纳(Inductive)学习

一般的定义

如何理解 inductive learning 与 transductive learning? - 王晋东不在家的回答 - 知乎  https://www.zhihu.com/question/68275921/answer/2034667107 

Inductive learning，翻译成中文可以叫做 “归纳式学习”，顾名思义，就是从已有数据中归纳出模式来，应用于新的数据和任务。我们常用的机器学习模式，就是这样的：根据已有数据，学习分类器，然后应用于新的数据或任务。

Transductive learning，翻译成中文可以叫做 “直推式学习”，指的是由当前学习的知识直接推广到给定的数据上。其实相当于是给了一些测试数据的情况下，结合已有的训练数据，看能不能推广到测试数据上。

对应当下流行的学习任务：

Inductive learning 对应于 meta-learning (元学习)，要求从诸多给定的任务和数据中学习通用的模式，迁移到未知的任务和数据上。

Transductive learning 对应于 domain adaptation (领域自适应)，给定训练的数据包含了目标域数据，要求训练一个对目标域数据有最小误差的模型。

如何理解 inductive learning 与 transductive learning? - TechOnly的回答 - 知乎 https://www.zhihu.com/question/68275921/answer/480709225 

在图上的定义

所谓直推式学习（GCN等），就是训练期间可以看得到没有标注的节点（训练需要整个图里面所有的节点参与），那么

        1.需要将整个图作为输入

        2. 模型是基于某个具体的图的，如Cora，换个图，模型就需要从头开始训练

所谓归纳式学习，在训练期间，看不到没有标注的节点常见的有GraphSAGE等

        1. 训练只需要图的局部，不需要整个图都参与训练。对于大型图，可以通过子采样的方法进行训练，不需要一次性输入整个图

        2. 由于这个特性，归纳式学习是可以迁移的。即，在这个图上训练好的模型，可以迁移到另外一个图中使用。