概念,簡評,
概念
消極學習法（惰性學習法），通常指基於實例的學習方法
已知一系列的訓練樣例，很多學習方法（如決策樹，神經網路，貝葉斯學習）為目標函式建立起明確的一般化描述。與此不同，基於實例的學習方法只是簡單地把訓練樣例儲存起來。從這些樣例中泛化的工作被推遲到必須分類新的實例時。這也是它有時被稱為消極學習法的原因。
每當學習器遇到一個新的查詢實例，它查詢這個新實例與已存儲實例的關係，並據此把一個目標函式值賦給新實例。
基於實例的學習方法主要包括最鄰近法（nearest neighbor），局部加權回歸法(locally weighted regression)和基於案例的推理(case-based reasoning)。其中，前兩者概念簡明，都假定實例可以被表示為歐式空間中的點；後者則對實例採用更複雜的符號表示。
簡評
這種延遲的或消極的學習方法有一個關鍵的優點，即他們不是在整個實例空間上一次性地估計目標函式，而是針對每個待分類新實例作出局部的和相異的估計
