Metrisk Læring
Metrisk læring er et maskinlærings-framework, der træner en afstand- eller lighedsfunktion ud fra data, så semantisk ens eksempler ender tæt på hinanden i det lærte rum, mens forskellige eksempler skubbes fra hinanden. I modsætning til faste afstande som euklidisk, tilpasser den lærte metrik sig til opgavens struktur, hvilket gør efterfølgende klassifikatorer, klynger og genfindingssystemer markant mere nøjagtige.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/da/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.
- Few-shot LearningMaskinlæring↔ compare
- Gaussisk procesMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →