Uczenie metryczne
Uczenie metryczne to framework uczenia maszynowego, który trenuje funkcję odległości lub podobieństwa na podstawie danych, tak aby semantycznie podobne przykłady znalazły się blisko siebie w nauczonej przestrzeni, podczas gdy niepodobne przykłady są odpychane. W przeciwieństwie do stałych odległości, takich jak euklidesowa, nauczona metryka dostosowuje się do struktury zadania, znacznie zwiększając dokładność klasyfikatorów, algorytmów klastrowania i systemów wyszukiwania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/pl/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.
- Uczenie z niewielką liczbą przykładówUczenie maszynowe↔ compare
- Proces GaussaUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →