Eager learning
L’eager learning est une méthode d'apprentissage dans laquelle le système tente de construire une fonction cible générale indépendante de la saisie pendant la formation du système, par opposition à l’apprentissage paresseux, dans lequel la génération au-delà des données de formation est retardée jusqu'à ce qu’une requête soit faite.
Le principal avantage de l’utilisation d’une méthode d’apprentissage rapide, comme un réseau de neurones artificiels, est que la fonction cible sera approximée de manière globale au cours de la formation, nécessitant ainsi beaucoup moins d’espace que l’utilisation d’un système d’apprentissage paresseux. Les systèmes d’apprentissage électronique traitent également beaucoup mieux le bruit dans les données de formation . Eager Learning est un exemple d’apprentissage hors ligne, dans lequel les requêtes post-formation adressées au système n’ont aucun effet sur le système lui-même. Ainsi, la même requête adressée au système produira toujours le même résultat.
Le principal inconvénient de l’apprentissage est désireux qu'il est général ment incapable de fournir de bonnes approximations locales dans la fonction cible.