الگور هاي یادگیري ماشین که در حوزه کلاسبندي نمونهها ارائه شدهاند با توجه به مجموعه خصوصیات نمونههـا, آنهـا را در کلاس مربوطه دستهبندي میکنند. به همین دلیل این الگوریتمها وابستگی شدیدي به زبان نمایش نمونهها یا همـان مجموعـه خصوصیات دارند که در صورت ضعیف بودن این زبان نتایج کلاسبندي از دقت بسیار پایینی برخوردار خواهـد بـود. بـراي حـلنه این مشکل روشهاي استقراي سازنده در جهت بهبود فضاي نمایش نمو ها و در نهایت افزایش دقت یادگیري معرفی شده اند
