熱心に学ぶ

人工知能において、イーガーラーニングは、システムがトレーニング中に一般的な入力に依存しない目標関数を構築しようとする学習方法であり、トレーニングデータを超えた一般化がシステムにクエリが行われるまで遅延されるレイジーラーニングとは対照的です。^{[ 1 ]}人工ニューラルネットワーク などのイーガーラーニング方法を採用することで得られる主な利点は、トレーニング中に目標関数がグローバルに近似されるため、レイジーラーニングシステムを使用する場合よりもはるかに少ないスペースで済むことです。イーガーラーニングシステムは、トレーニングデータのノイズにもはるかにうまく対処します。イーガーラーニングはオフライン学習の一例であり、トレーニング後のシステムへのクエリはシステム自体に影響を与えないため、システムへの同じクエリは常に同じ結果を生成します。

熱心な学習の主な欠点は、一般的に目標関数の局所的な近似値を適切に提供できないことである。^{[ 2 ]}