Învățarea metricilor semi-supervizată
Învățarea metricilor semi-supervizată (Semi-supervised metric learning) învață o funcție de distanță adaptată sarcinii prin combinarea unui set mic de constrângeri pereche etichetate — perechi must-link și cannot-link — cu structura geometrică a unui set mult mai mare de date neetichetate. Rezultatul este o distanță de tip Mahalanobis sau bazată pe kernel, care reflectă atât supervizarea, cât și topologia datelor, îmbunătățind sarcinile ulterioare, cum ar fi clasificarea celor mai apropiați vecini și clusterizarea.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/ro/machine-learning/semi-supervised-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.
- Învățare cu puține exempleÎnvățare automată↔ compare
- Învățarea metricilorÎnvățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →