Semi-veiledt metrikklæring
Semi-veiledt metrikklæring lærer en oppgavespesifikk avstandsfunksjon ved å kombinere et lite sett med merkede parvise begrensninger – par som må være like og par som ikke kan være like – med den geometriske strukturen til en mye større mengde umerkede data. Resultatet er en avstandsfunksjon av Mahalanobis-stil eller kjernebasert type som reflekterer både veiledning og datatopologi, og forbedrer nedstrømsoppgaver som nærmeste-nabo-klassifisering og klyngeanalyse.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/no/machine-learning/semi-supervised-metric-learning
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Få-skudds læringMaskinlæring↔ sammenlign
- MetrikklæringMaskinlæring↔ sammenlign
- Selv-supervisert læringMaskinlæring↔ sammenlign
- Semiveiledet læringMaskinlæring↔ sammenlign
- OverføringslæringMaskinlæring↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →