Metrikklæring
Metrikklæring er et rammeverk for maskinlæring som trener en avstands- eller likhetsfunksjon fra data, slik at semantisk like eksempler havner nær hverandre i det lærte rommet, mens ulike eksempler skyves fra hverandre. I motsetning til faste avstander som euklidisk, tilpasser den lærte metrikken seg til oppgavens struktur, noe som gjør etterfølgende klassifikatorer, klyngealgoritmer og gjenfinningssystemer betydelig mer nøyaktige.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/no/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.
- Få-skudds læringMaskinlæring↔ compare
- Gaussisk prosessMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →