Metrik-Lernen
Metrik-Lernen ist ein Framework des maschinellen Lernens, das eine Distanz- oder Ähnlichkeitsfunktion aus Daten trainiert, sodass semantisch ähnliche Beispiele im gelernten Raum nahe beieinander liegen, während unähnliche Beispiele auseinandergedrängt werden. Im Gegensatz zu festen Distanzen wie der Euklidischen Distanz passt sich die gelernte Metrik an die Struktur der Aufgabe an, wodurch nachgeschaltete Klassifikatoren, Clusterer und Retrieval-Systeme signifikant genauer werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/de/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 LearningMaschinelles Lernen↔ compare
- Gauß-ProzessMaschinelles Lernen↔ compare
- Selbstüberwachtes LernenMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →