下列关于分析学习和归纳学习的比较的说法正确的有（）。

分析学习是相对于归纳学习的一种提法，其特点是使用先验知识来分析或解释每个训练样本，以推理出样本的哪些特征与目标函数相关或不相关。因此，这些解释能使机器学习系统比单独依靠数据进行泛化有更高的精度。分析学习使用先验知识来减小待搜索假设空间的复杂度，减小了样本复杂度并提高了机器学习系统的泛化精度。可见，分析学习与归纳学习的优缺点在一定程度上具有互补性，分析学习方法的优点在于可用先验知识从较少的数据中更精确地泛化以引导学习。但是，当先验知识不正确或不足时，分析学习的缺点也会被突显；归纳学习具有的优点是不需要显式的先验知识，并且主要基于训练数据学习到规律。然而，若训练数据不足时它能会失败，并且会被其中隐式的归纳偏置所误导，而归纳偏置是从观察数据中泛化所必需的过程。因此，我们可以考虑如何将二者结合成一个单独的算法，以获得它们各自的优点。