Apprentissage métrique en ligne
L'apprentissage métrique en ligne adapte une métrique de distance de Mahalanobis de manière incrémentale à mesure que de nouveaux exemples étiquetés ou des contraintes par paires arrivent un par un, sans stocker l'ensemble de données complet. Il fusionne l'efficacité de l'apprentissage en ligne avec la puissance de représentation de l'apprentissage métrique, le rendant adapté aux environnements en flux continu, à grande échelle ou en évolution constante où la ré-entraînement à partir de zéro est impraticable.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/fr/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.
- Apprentissage métriqueApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Réseau neuronal siamoisApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →