Učenie metrík
Učenie metrík je rámec strojového učenia, ktorý trénuje funkciu vzdialenosti alebo podobnosti z dát tak, aby sémanticky podobné príklady skončili blízko seba vo naučenom priestore, zatiaľ čo nepodobné príklady sú od seba odstrčené. Na rozdiel od fixných vzdialeností, ako je euklidovská, naučená metrika sa prispôsobuje štruktúre úlohy, čím sa výrazne zvyšuje presnosť následných klasifikátorov, zhlukovacie algoritmy a systémy vyhľadávania.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/sk/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.
- Few-shot LearningStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →