Aprenentatge mètric semi-supervisat
L'aprenentatge mètric semi-supervisat aprèn una funció de distància adaptada a la tasca combinant un petit conjunt de restriccions per parells etiquetades —parells de tipus 'ha de vincular' (must-link) i 'no pot vincular' (cannot-link)— amb l'estructura geomètrica d'un conjunt molt més gran de dades no etiquetades. El resultat és una distància d'estil Mahalanobis o basada en nucli (kernel) que reflecteix tant la supervisió com la topologia de les dades, millorant tasques posteriors com la classificació del veí més proper (nearest-neighbor) i el clustering.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Yeung, D.-Y., & Chang, H. (2007). A kernel approach for semi-supervised metric learning. IEEE Transactions on Neural Networks, 18(1), 141–149. DOI: 10.1109/TNN.2006.883723 ↗
- Davis, J. V., & Dhillon, I. S. (2008). Structured metric learning for high dimensional problems. Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 195–203. DOI: 10.1145/1401890.1401918 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/ca/machine-learning/semi-supervised-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.
- Aprenentatge amb pocs exemplesAprenentatge automàtic↔ compare
- Aprenentatge mètricAprenentatge automàtic↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →