ScholarGate
Assistent
Machine learningMachine learning

Ensemble Metric Learning

Ensemble Metric Learning træner flere afstandsmålingsindlæringsmodeller – hver især på et forskelligt datasyn, et forskelligt feature-underrum eller med et forskelligt mål – og kombinerer de resulterende målinger for at producere en enkelt, mere robust lighedsfunktion. Ved at kombinere forskellige målinger reduceres variansen af enhver individuel måling, og ydeevnen forbedres i opgaver som nærmeste-nabo-klassifikation, genfinding og få-skuds-læring.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Wang, J., Kalousis, A., & Woznica, A. (2012). Parametric local metric learning for nearest neighbor classification. Advances in Neural Information Processing Systems, 25. link
  2. Similarity learning. Wikipedia. link

Sådan citerer du denne side

ScholarGate. (2026, June 3). Ensemble Metric Learning (Combined Distance Metric Ensembles). ScholarGate. https://scholargate.app/da/machine-learning/ensemble-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.

Compare side by side
ScholarGateEnsemble Metric Learning (Ensemble Metric Learning (Combined Distance Metric Ensembles)). Hentet 2026-06-15 fra https://scholargate.app/da/machine-learning/ensemble-metric-learning · Datasæt: https://doi.org/10.5281/zenodo.20539026