Apprendimento metrico semi-supervisionato
L'apprendimento metrico semi-supervisionato apprende una funzione di distanza adattata al compito combinando un piccolo insieme di vincoli a coppie etichettati — coppie must-link e cannot-link — con la struttura geometrica di un pool molto più ampio di dati non etichettati. Il risultato è una distanza di tipo Mahalanobis o basata su kernel che riflette sia la supervisione sia la topologia dei dati, migliorando compiti a valle come la classificazione nearest-neighbor e il clustering.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/it/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 LearningApprendimento automatico↔ compare
- Apprendimento metricoApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →