Ленивое обучение — это тип машинного обучения, который использует для работы только свежие данные. В отличие от нетерпеливого обучения, до появления новой информации алгоритмы не будут работать.
Ленивое обучение удобно применять в программах, для которых данные поступают регулярно. Например, прогноз погоды или фондового рынка. Использование нетерпеливого обучения в таких случаях станет менее эффективным из-за быстрого устаревания обучающих данных.
Эта модель хорошо подходит рекомендательным системам, например, приложениям для прослушивания музыки и просмотра фильмов, где база данных постоянно пополняется новыми произведениями.
Поскольку до появления новой информации вычислительные мощности не задействуются, затраты на работу искусственного интеллекта уменьшаются. К недостаткам ленивого обучения относят меньшую точность из-за отсутствия доступа ко всему массиву данных и медленный процесс предсказания.