Semi-supervised Metric Learning
Semi-supervised metric learning leert een taak-aangepaste afstandsfunctie door een kleine set gelabelde paarsgewijze beperkingen — must-link en cannot-link paren — te combineren met de geometrische structuur van een veel grotere pool van ongelabelde data. Het resultaat is een Mahalanobis-achtige of kernel-gebaseerde afstand die zowel supervisie als datatopologie weerspiegelt, wat downstream taken zoals nearest-neighbor classificatie en clustering verbetert.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/nl/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 LearningMachine learning↔ compare
- Metrische LerenMachine learning↔ compare
- Zelf-gesuperviseerd LerenMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- TransferlerenMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →