Félfelügyelt metrikatanulás
A félfelügyelt metrikatanulás egy feladatspecifikus távolságfüggvényt tanul meg, kis számú címkézett pár-alapú megkötés – kötelezően összekapcsolandó és nem összekapcsolható párok – kombinálásával, egy sokkal nagyobb, címkézetlen adathalmaz geometriai szerkezetével. Az eredmény egy Mahalanobis-stílusú vagy kernel-alapú távolság lesz, amely mind a felügyeletet, mind az adatok topológiáját tükrözi, javítva az olyan lefelé irányuló feladatokat, mint a legközelebbi szomszéd osztályozás és a klaszterezés.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/hu/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.
- Few-shot LearningGépi tanulás↔ compare
- MetrikatanulásGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →