Tiešsaistes metrikas apguve
Tiešsaistes metrikas apguve inkrementāli pielāgo Mahalanobis attāluma metriku, saņemot jaunus iezīmētus piemērus vai pāru ierobežojumus pa vienam, neuzglabājot pilnu datu kopu. Tā apvieno tiešsaistes apguves efektivitāti ar metriku apguves reprezentācijas spēku, padarot to piemērotu straumējošām, liela mēroga vai nepārtraukti mainīgām vidēm, kur pilnīga atkārtota apmācība ir nepraktiska.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Shalev-Shwartz, S., Singer, Y., & Ng, A. Y. (2004). Online and batch learning of pseudo-metrics. Proceedings of the 21st International Conference on Machine Learning (ICML 2004), pp. 94. ACM. link ↗
- Jin, R., Wang, S., & Zhou, Y. (2009). Regularized distance metric learning: Theory and algorithm. Advances in Neural Information Processing Systems (NIPS 2009), 22, 862–870. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/lv/machine-learning/online-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.
- Metriskā apguveMašīnmācīšanās↔ compare
- Tiešsaistes apguveMašīnmācīšanās↔ compare
- Siāmas neironu tīklsDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →