Метрично обучение
Метричното обучение е рамка за машинно обучение, която тренира функция за разстояние или сходство от данни, така че семантично сходни примери да се намират близо един до друг в наученото пространство, докато различни примери се отблъскват. За разлика от фиксирани разстояния като Евклидовото, научената метрика се адаптира към структурата на задачата, което прави последващите класификатори, клъстеризатори и системи за извличане значително по-точни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Източници
- Xing, E. P., Jordan, M. I., Russell, S., & Ng, A. Y. (2003). Distance metric learning with application to clustering with side-information. In Advances in Neural Information Processing Systems (NIPS), 16, 505–512. link ↗
- Weinberger, K. Q., & Saul, L. K. (2009). Distance metric learning for large margin nearest neighbor classification. Journal of Machine Learning Research, 10, 207–244. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/bg/machine-learning/metric-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Обучение с малко примериМашинно обучение↔ compare
- Гаусов процесМашинно обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →