Učenje metrike
Učenje metrike je okvir strojnog učenja koji trenira funkciju udaljenosti ili sličnosti iz podataka tako da semantički slični primjeri završavaju blizu jedan drugoga u naučenom prostoru, dok se različiti primjeri potiskuju. Za razliku od fiksnih udaljenosti poput Euklidske, naučena metrika prilagođava se strukturi zadatka, čineći naknadne klasifikatore, klastere i sustave za dohvaćanje znatno preciznijima.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/hr/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.
- Učenje s malo primjeraStrojno učenje↔ compare
- Gaussovi procesiStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →