Pembelajaran Metrik Teguh
Pembelajaran Metrik Teguh mempelajari fungsi jarak Mahalanobis daripada data berlabel atau data dengan kekangan berpasangan sambil secara aktif menahan herotan yang disebabkan oleh label bising, contoh rosak, atau pencilan. Dengan menggantikan kerugian engsel atau kuasa dua piawai dengan alternatif teguh dan menambah regularisasi, ia menghasilkan metrik jarak yang menggeneralisasi dengan baik walaupun set latihan tidak sempurna — situasi biasa dalam tugas saintifik dan aplikasi dunia sebenar.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Shen, C., Kim, J., Wang, L., & van den Hengel, A. (2012). Positive Semidefinite Metric Learning Using Boosting-like Algorithms. Journal of Machine Learning Research, 13, 1007–1036. link ↗
- Cao, Q., Guo, Z.-C., & Ying, Y. (2012). Generalization Bounds for Metric and Similarity Learning. Machine Learning, 102(1), 115–132. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/ms/machine-learning/robust-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 Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pembelajaran MetrikPembelajaran Mesin↔ compare
- Regresi Linear RobasPembelajaran Mesin↔ compare
- Mesin Vektor Sokongan TeguhPembelajaran Mesin↔ compare
- Pembelajaran Metrik Separuh-TerbimbingPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →