Metriikkaoppiminen
Metriikkaoppiminen on koneoppimisen viitekehys, joka opettaa datasta etäisyys- tai samankaltaisuusfunktion siten, että semanttisesti samankaltaiset esimerkit päätyvät lähelle toisiaan opitussa avaruudessa, kun taas erilaiset esimerkit työnnetään kauemmas. Toisin kuin kiinteät etäisyydet, kuten euklidinen etäisyys, opittu metriikka mukautuu tehtävän rakenteeseen, mikä tekee jatkotehtävien luokittelijoista, klusteroijista ja haku-järjestelmistä merkittävästi tarkempia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/fi/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 LearningKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →