Metriskinlärning
Metriskinlärning är ett ramverk inom maskininlärning som tränar en avstånds- eller likhetsfunktion från data, så att semantiskt liknande exempel hamnar nära varandra i det inlärda rummet medan olikartade exempel skjuts isär. Till skillnad från fasta avstånd som euklidiskt avstånd, anpassar sig den inlärda metriken till uppgiftens struktur, vilket gör efterföljande klassificerare, klustrare och hämtningssystem betydligt mer exakta.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Metric Learning (Distance Metric Learning). ScholarGate. https://scholargate.app/sv/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 LearningMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →