Cấu trúc học tập đơn giản nhất là ghi nhớ thuần túy (rote learning). Vì một nhóm các thể hiện huấn luyện đã được ghi nhớ, khi gặp một thể hiện mới, bộ nhớ được tìm kiếm cho thể hiện huấn luyện giống nhất với thể hiện mới.
Vấn đề duy nhất là làm thế nào làm rõ "giống nhau" (resembles). Trước hết, đây là một phương pháp hoàn toàn khác để mô tả "kiến thức" (knowledge) được trích xuất từ một nhóm thể hiện — Nó lưu trữ các thể hiện bản thân và hoạt động bằng cách liên kết các thể hiện mới có lớp chưa biết với các thể hiện hiện có có lớp đã biết. Thay vì cố gắng tạo ra các quy tắc, làm việc trực tiếp từ các thể hiện bản thân. Điều này được gọi là học dựa trên thể hiện (instance-based learning).
Trong học dựa trên thể hiện, tất cả công việc thực tế được hoàn thành khi thời điểm đến để xác định một thể hiện mới thay vì khi tập huấn luyện được xử lý. Sự khác biệt giữa cách tiếp cận này và những cách khác là thời điểm mà "học tập" diễn ra.
Học dựa trên thể hiện là nिष्क्रिय (lazy/deferring), trì hoãn công việc thực tế càng muộn càng tốt, trong khi các phương pháp khác là chủ động (eager), tổng quát hóa ngay khi dữ liệu được nhìn thấy. Trong phân loại dựa trên thể hiện, mỗi thể hiện mới được phân biệt từ các thể hiện hiện có bằng một độ đo khoảng cách (distance metric), và thể hiện hiện có gần nhất được dùng để gán lớp cho thể hiện mới. Điều này được gọi là phương pháp phân loại láng giềng gần nhất (nearest-neighbor classification method).
Đôi khi nhiều láng giềng gần nhất hơn một được dùng, và lớp đa số của k láng giềng gần nhất (hoặc trung bình cộng có trọng số khoảng cách nếu lớp là số) được gán cho thể hiện mới. Điều này được định nghĩa là phương pháp k-láng giềng gần nhất (k-nearest-neighbor method).
Khi các thuộc tính danh nghĩa (nominal attributes) hiện diện, cần tìm ra một "khoảng cách" giữa nhiều giá trị của thuộc tính đó. Các thuộc tính khác nhau sẽ quan trọng hơn những cái khác, và điều này thường được phản ánh trong độ đo khoảng cách bằng một số loại trọng số thuộc tính (attribute weighting). Việc thay đổi các trọng số thuộc tính phù hợp từ tập huấn luyện là một vấn đề thiết yếu trong học dựa trên thể hiện.
Một hạn chế rõ ràng của các biểu diễn dựa trên thể hiện là chúng không tạo ra kiến trúc rõ ràng được học. Các thể hiện kết hợp với độ đo khoảng cách để chia ranh giới thành các khu vực thể hiện phân tích một lớp từ lớp khác, và đây là một loại mô tả rõ ràng của kiến thức.
Ví dụ, cho một thể hiện đơn lẻ của mỗi hai lớp, quy tắc láng giềng gần nhất hiệu quả chia không gian thể hiện dọc theo đường phân giác vuông góc của đường nối các thể hiện. Cho một số thể hiện của mỗi lớp, không gian được chia bởi một tập hợp các đường xác định các đường phân giác vuông góc của các đường được chọn nối một thể hiện của lớp này với một của lớp kia.