Online Metric Learning
Online Metric Learning passt eine Mahalanobis-Distanzmetrik inkrementell an, wenn neue gelabelte Beispiele oder paarweise Einschränkungen einzeln eintreffen, ohne den vollständigen Datensatz zu speichern. Es kombiniert die Effizienz des Online-Lernens mit der repräsentativen Kraft des Metriklernens, was es für Umgebungen mit Streaming-Daten, großen Datenmengen oder sich ständig ändernden Bedingungen geeignet macht, bei denen ein erneutes Training von Grund auf unpraktisch ist.
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.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/de/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.
- Metrik-LernenMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Siamesisches Neuronales NetzDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →