距离度量学习在 Python 中（DML）
5星
- 浏览量: 0
- 大小:None
- 文件类型：ZIP
简介：
距离度量学习在Python中(DML)是一份专注于使用Python进行高效相似性搜索和聚类分析的技术文档。它深入探讨了如何通过优化数据点间的距离计算，提高机器学习模型的性能，并提供了实用的代码示例与案例研究。
Python 中的距离度量学习算法
这个 Python 模块实现了两种距离度量学习算法，用于从成对相似性约束中学习度量：
- 成对约束分量分析 (PCCA)
- 跨模态度量学习 (CMML)
免责声明：
此代码已从头开始重新编写，并且主要未经测试。不保证使用此代码获得的结果与相关文献中的结果相匹配。一些初步测试似乎显示出与某篇论文在 LFW 数据集上获得的结果相似。
使用条件：
任何使用此代码或对该代码的修改、改编或翻译的出版物都应提及以下参考文献：
要求：
此模块取决于 lgbopt 模块。
参考文献：
1. PCCA：一种从稀疏成对约束中进行远程学习的新方法。亚历克西斯·米尼翁，弗雷德里克·朱里计算机视觉和模式识别 (CVPR) 2012。
2. CMML：一种用于交叉模态匹配的新度量学习方法。
全部评论 (0)
还没有任何评论哟~
