Polu-nadgledano učenje metrike
Polu-nadgledano učenje metrike uči adaptiranu funkciju rastojanja za zadatak kombinovanjem malog skupa označenih parnih ograničenja — parovi tipa „mora biti povezano“ (must-link) i „ne sme biti povezano“ (cannot-link) — sa geometrijskom strukturom mnogo veće grupe neoznačenih podataka. Rezultat je rastojanje Mahalanobisovog tipa ili zasnovano na kernelu koje odražava i nadzor i topologiju podataka, poboljšavajući zadatke kao što su klasifikacija najbližeg suseda i klasterovanje.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Metric Learning. ScholarGate. https://scholargate.app/sr/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.
- Učenje sa malo primera (Few-shot Learning)Mašinsko učenje↔ compare
- Učenje metrikeMašinsko učenje↔ compare
- Samostalno učenjeMašinsko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →