Online metrikklæring
Online metrikklæring tilpasser en Mahalanobis-avstandsmetrikk inkrementelt etter hvert som nye merkede eksempler eller parvise begrensninger ankommer én om gangen, uten å lagre hele datasettet. Den kombinerer effektiviteten til online læring med representasjonskraften til metrikklæring, noe som gjør den egnet for strømmende, storskala eller kontinuerlig skiftende miljøer der omskolering fra bunnen av er upraktisk.
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.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/no/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.
- MetrikklæringMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Siamese Neural NetworkDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →