Machine learningMachine learning
למידת מטריקה מונחית-למחצה
למידת מטריקה מונחית-למחצה לומדת פונקציית מרחק מותאמת למשימה על ידי שילוב של קבוצה קטנה של אילוצים זוגיים מתויגים — זוגות 'חייב-לקשר' ו'אסור-לקשר' — עם המבנה הגיאומטרי של מאגר גדול בהרבה של נתונים לא מתויגים. התוצאה היא מרחק בסגנון מהלנוביס או מבוסס-גרעין (kernel) המשקף גם פיקוח וגם טופולוגיית נתונים, ומשפר משימות המשך כגון סיווג שכן-הכי-קרוב וקיבוץ.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Yeung, D.-Y., & Chang, H. (2007). A kernel approach for semi-supervised metric learning. IEEE Transactions on Neural Networks, 18(1), 141–149. DOI: 10.1109/TNN.2006.883723 ↗
- Davis, J. V., & Dhillon, I. S. (2008). Structured metric learning for high dimensional problems. Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 195–203. DOI: 10.1145/1401890.1401918 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/he/machine-learning/semi-supervised-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.
- למידת מעט דוגמאותלמידת מכונה↔ compare
- למידת מטריקותלמידת מכונה↔ compare
- למידה בפיקוח עצמילמידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare
- Transfer Learningלמידת מכונה↔ compare