یادگیری متریک
یادگیری متریک یک چارچوب یادگیری ماشین است که یک تابع فاصله یا شباهت را از دادهها آموزش میدهد تا نمونههای معنایی مشابه در فضای یادگرفتهشده به هم نزدیک شوند، در حالی که نمونههای نامشابه از هم دور شوند. برخلاف فواصل ثابت مانند اقلیدسی، متریک یادگرفتهشده با ساختار وظیفه سازگار میشود و طبقهبندیکنندهها، خوشهبندیکنندهها و سیستمهای بازیابی پاییندستی را به طور قابل توجهی دقیقتر میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/fa/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.
- یادگیری چند نمونهای (Few-shot Learning)یادگیری ماشین↔ compare
- فرایند گوسییادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →