归纳推理(induction，Inductive reasoning)，基于对特殊的代表(token)的有限观察，把性质或关系归结到类型；或基于对反复再现的现象的模式(pattern)的有限观察，公式表达规律。
    大卫·休谟(David Hume，1711.4.26-1776.8.25，经验主义者)，代表作：《人性论》(A Treatise of Human Nature)、《道德和政治论文集》(Essays Moral and Political)。我们也不可能诉诸于在过去使用归纳推理的成功经验来证明归纳推理的可靠性，因为这将会构成循环论证。我们不能以先验的知识证明未来就会和过去一致，因为在逻辑上可以思考而出的明显事实是世界早已不是一致的了。
    e.g.1 所有观察到的乌鸦都是黑的，所以所有乌鸦都是黑的。
   休谟突出了依据重复经验的模式的我们的日常推理，而不是演绎上的有效论证。

   对某一事物或现象进行归纳之前，必须坚持观察的客观性，采取实事求是的科学态度，对事物进行周密系统地全面观察，积累大量科学观测资料。收集材料，发现新事实。获取材料通常运用一些实验手法：定性实验、定量实验、析因实验、中间实验(用于检测)等(简化、纯化、强化；发现、检验、发展)。
   归纳法(归纳推理：完全归纳、不完全归纳、其它归纳法：观察、实验、统计推理)；完全归纳法前提与结论之间联系是必然的，结论所断定的又没有超出前提所断定的范围。

   普遍化: 是从关于样本的前提到关于总体的结论的过程；
   统计三段论：从一个普遍化到关于一个个体的结论的过程；
   简单归纳：从关于一个样本群体到关于另一个个体的结论的过程；
   因果推论：基于效果发生的条件得出关于因果关联的结论；
   预测：从过去的样本得出关于将来的个体的结论；
   典据论证：基于来源说真命题的比例得出关于一个陈述的真实性的结论；
  

归纳推理 一般是由个别的事物或现象推出事物或现象的普遍性规律的推理；
前提：一些关于个别事物或现象的判断。
结论：关于该类事物或现象的普遍性判断。
   e.g2.贝叶斯推理,使用概率论作为归纳的框架。
一件由A和B同时发生才能确立的事件C，明显地你会观察到:事件C成立则B必定发生。但绝对不能贸然将结论误解为"只要B发生则事件C一定发生"(而应该是要由A和B同时发生才能确定C的产生)。而且你也不能擅自扩充成为"只要C事件不发生则事件B一定没有发生"，同样的关键点仍旧是"当A不成立时，C就一定不成立"而B是否成立就不一定也无从得知了。

图1：马斯洛人类需求归纳层次

图2：归纳法应用