Online Metric Learning
Online Metric Learning tilpasser en Mahalanobis-afstandsmåling inkrementelt, efterhånden som nye mærkede eksempler eller parvise begrænsninger ankommer én ad gangen, uden at gemme hele datasættet. Det kombinerer effektiviteten af online læring med metrisk lærings repræsentative kraft, hvilket gør det velegnet til streaming-, storskala- eller stadigt skiftende miljøer, hvor genoptræning fra bunden er upraktisk.
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.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/da/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.
- Metrisk LæringMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Siamesisk Neuralt NetværkDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →