Učení metrik
Učení metrik je rámec strojového učení, který trénuje funkci vzdálenosti nebo podobnosti z dat tak, aby sémanticky podobné příklady skončily blízko sebe ve naučeném prostoru, zatímco nepodobné příklady jsou od sebe odstrčeny. Na rozdíl od pevných vzdáleností, jako je euklidovská, se naučená metrika přizpůsobuje struktuře úlohy, čímž se výrazně zvyšuje přesnost následných klasifikátorů, shlukovačů a vyhledávacích systémů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/cs/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.
- Učení s malým počtem příkladůStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Přenosové učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →