Uczenie metryczne online
Uczenie metryczne online (Online Metric Learning) przyrostowo dostosowuje metrykę odległości Mahalanobisa w miarę napływania nowych przykładów z etykietami lub ograniczeń parami, bez konieczności przechowywania całego zbioru danych. Łączy ono efektywność uczenia online z mocą reprezentacyjną uczenia metrycznego, co czyni je odpowiednim do środowisk strumieniowych, wielkoskalowych lub stale zmieniających się, gdzie ponowne trenowanie od zera jest niepraktyczne.
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.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/pl/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.
- Uczenie metryczneUczenie maszynowe↔ compare
- Uczenie onlineUczenie maszynowe↔ compare
- Sieci neuronowe typu SiameseUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →