শেখার সহজ কাঠামো হল প্লেইন মেমোরাইজেশন বা রোট লার্নিং। কারণ একদল প্রশিক্ষণের দৃষ্টান্ত মনে রাখা হয়েছে, একটি নতুন দৃষ্টান্তের সম্মুখীন হলে সেই প্রশিক্ষণের উদাহরণের জন্য মেমরির তদন্ত করা হয় যা সবচেয়ে শক্তিশালীভাবে নতুনটির সাথে সাদৃশ্যপূর্ণ।
একমাত্র সমস্যা হল কিভাবে সাদৃশ্য স্পষ্ট করা যায়। প্রথমত, দৃষ্টান্তগুলির একটি গোষ্ঠী থেকে আহরিত "জ্ঞান" বর্ণনা করার এটি একটি সম্পূর্ণ ভিন্ন পদ্ধতি - এটি দৃষ্টান্তগুলিকে নিজেরাই সংরক্ষণ করে এবং নতুন দৃষ্টান্তগুলিকে সংযুক্ত করে কাজ করে যার শ্রেণীটি বর্তমানের কাছে অজানা যাদের শ্রেণীটি পরিচিত। নিয়ম প্রণয়নের চেষ্টা না করে, উদাহরণ থেকে সরাসরি কাজ করুন। একে বলা হয় ইনস্ট্যান্স-ভিত্তিক শিক্ষা।
দৃষ্টান্ত-ভিত্তিক শিক্ষায়, সমস্ত প্রকৃত কাজ সম্পন্ন হয় যখন প্রশিক্ষণ সেটটি প্রক্রিয়াকরণের পরিবর্তে একটি নতুন উদাহরণ সংজ্ঞায়িত করার সময় দেখা যায়। এই পদ্ধতির সাথে অন্যদের মধ্যে পার্থক্য যেটি দেখা যায় তা হল "শিক্ষা" হওয়ার সময়।
দৃষ্টান্ত-ভিত্তিক শিক্ষা নিষ্ক্রিয়, সম্ভাব্য বিবেচনা করে বাস্তব কাজকে পিছিয়ে দেয়, যেখানে বিভিন্ন পদ্ধতি আগ্রহী, ডেটা দেখা হওয়ার সাথে সাথে সাধারণীকরণ। দৃষ্টান্ত-ভিত্তিক শ্রেণীবিভাগে, প্রতিটি নতুন দৃষ্টান্ত একটি দূরত্ব মেট্রিক ব্যবহার করে বর্তমানের থেকে আলাদা করা হয়, এবং নিকটতম বিদ্যমান দৃষ্টান্তটি ক্লাসটিকে নতুনটিতে পরিণত করতে ব্যবহৃত হয়। এটি নিকটতম-প্রতিবেশী শ্রেণিবিন্যাস পদ্ধতি হিসাবে পরিচিত।
কখনও কখনও একাধিক নিকটতম প্রতিবেশী ব্যবহার করা হয়, এবং নিকটতম k প্রতিবেশীদের সংখ্যাগরিষ্ঠ শ্রেণী (অথবা শ্রেণীটি সংখ্যাসূচক হলে দূরত্বের ওজনের গড়) নতুন উদাহরণে তৈরি করা হয়। এটি কে-নিকটবর্তী-প্রতিবেশী পদ্ধতি হিসাবে সংজ্ঞায়িত করা হয়।
যখন নামমাত্র বৈশিষ্ট্যগুলি বর্তমান থাকে, তখন সেই বৈশিষ্ট্যের একাধিক মানগুলির মধ্যে একটি "দূরত্ব" নিয়ে আসা অপরিহার্য। বিভিন্ন বৈশিষ্ট্য অন্যদের তুলনায় তাৎপর্যপূর্ণ হবে, এবং এটি সাধারণত বিভিন্ন ধরনের বৈশিষ্ট্য ওজন দ্বারা দূরত্ব মেট্রিকে প্রতিফলিত হয়। এটি প্রশিক্ষণ গোষ্ঠী থেকে উপযুক্ত বৈশিষ্ট্যের ওজন পরিবর্তন করছে উদাহরণ-ভিত্তিক শিক্ষার একটি অপরিহার্য সমস্যা৷
দৃষ্টান্ত-ভিত্তিক উপস্থাপনাগুলির একটি আপাত সীমাবদ্ধতা হল যে তারা শিখে নেওয়া সুস্পষ্ট আর্কিটেকচার তৈরি করে না। দৃষ্টান্তগুলি দূরত্বের মেট্রিকের সাথে সংযোগ স্থাপন করে সীমানাগুলিকে দৃষ্টান্তযুক্ত এলাকায় বিভক্ত করে যা একটি শ্রেণী থেকে অন্য শ্রেণীকে বিশ্লেষণ করে এবং এটি জ্ঞানের এক ধরণের সুস্পষ্ট বর্ণনা৷
উদাহরণস্বরূপ, দুটি শ্রেণীর প্রতিটির একটি একক দৃষ্টান্ত দেওয়া হলে, নিকটতম-প্রতিবেশী নিয়মটি দৃষ্টান্তগুলিকে সংযোগকারী লাইনের লম্ব দ্বিখণ্ডক বরাবর দৃষ্টান্ত ক্ষেত্রটিকে দক্ষতার সাথে ভাগ করে। প্রতিটি ক্লাসের বেশ কয়েকটি উদাহরণ দেওয়া হলে, স্থানটিকে রেখার একটি সেট দ্বারা বিভক্ত করা হয় যা একটি শ্রেণির একটি উদাহরণকে অন্য শ্রেণীর একটির সাথে সংযুক্ত করে নির্বাচিত রেখাগুলির লম্ব দ্বিখণ্ডককে সংজ্ঞায়িত করে৷
