Pembelajaran Metrik
Pembelajaran metrik adalah kerangka kerja pembelajaran mesin yang melatih fungsi jarak atau kesamaan dari data sehingga contoh yang secara semantik serupa berakhir berdekatan dalam ruang yang dipelajari sementara contoh yang tidak serupa didorong berjauhan. Berbeda dengan jarak tetap seperti Euclidean, metrik yang dipelajari beradaptasi dengan struktur tugas, membuat pengklasifikasi, pengelompok, dan sistem pengambilan hilir secara signifikan lebih akurat.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/id/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.
- Pembelajaran Sedikit Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Proses GaussianPembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →