Machine learningMachine learning

การเรียนรู้เมตริกแบบออนไลน์

การเรียนรู้เมตริกแบบออนไลน์ปรับปรุงเมตริกระยะห่างแบบมาฮาลาโนบิสแบบเพิ่มพูนเมื่อตัวอย่างที่มีป้ายกำกับใหม่หรือข้อจำกัดแบบคู่มาถึงทีละตัวอย่าง โดยไม่ต้องจัดเก็บชุดข้อมูลทั้งหมด เป็นการผสมผสานประสิทธิภาพของการเรียนรู้ออนไลน์เข้ากับพลังในการนำเสนอของการเรียนรู้เมตริก ทำให้เหมาะสำหรับสภาพแวดล้อมแบบสตรีม ขนาดใหญ่ หรือมีการเปลี่ยนแปลงอย่างต่อเนื่อง ซึ่งการฝึกใหม่ตั้งแต่ต้นไม่สามารถทำได้จริง

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. 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
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Online Metric Learning (Incremental Distance Metric Learning from Streaming Data). ScholarGate. https://scholargate.app/th/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.

Compare side by side
ScholarGateOnline Metric Learning (Online Metric Learning (Incremental Distance Metric Learning from Streaming Data)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/machine-learning/online-metric-learning · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026