Online Metric Learning
Online Metric Learning přizpůsobuje Mahalanobisovu vzdálenost inkrementálně, jakmile dorazí nové označené příklady nebo párová omezení, jedno po druhém, aniž by ukládala celou datovou sadu. Spojuje efektivitu online učení s reprezentační silou učení metrik, což ji činí vhodnou pro proudová, rozsáhlá nebo neustále se měnící prostředí, kde je přetrénování od začátku nepraktické.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Shalev-Shwartz, S., Singer, Y., & Ng, A. Y. (2004). Online and batch learning of pseudo-metrics. Proceedings of the 21st International Conference on Machine Learning (ICML 2004), pp. 94. ACM. link ↗
- Jin, R., Wang, S., & Zhou, Y. (2009). Regularized distance metric learning: Theory and algorithm. Advances in Neural Information Processing Systems (NIPS 2009), 22, 862–870. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/cs/machine-learning/online-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 metrikStrojové učení↔ compare
- Online LearningStrojové učení↔ compare
- Siamská neuronová síťHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →