簡單來說,相似度量化是衡量一組範例之間的相似度,但與其他範例相比。下表比較了兩種相似程度的評估方式:
類型 | 建立者 | 使用時機 | 影響 |
---|---|---|---|
手動 | 手動合併特徵資料。 | 資料集非常小,特徵也很容易合併。 | 取得相似程度計算的結果,但如果特徵資料有所變更,就必須更新相似度度量。 |
受監督的帳戶 | 評估透過受監督 DNN 產生的嵌入之間的距離。 | 資料集過大,特徵難以合併。 | 取得結果深入分析結果,但 DNN 可以依據不斷變動的特徵資料自動調整。 |
簡單來說,相似度量化是衡量一組範例之間的相似度,但與其他範例相比。下表比較了兩種相似程度的評估方式:
類型 | 建立者 | 使用時機 | 影響 |
---|---|---|---|
手動 | 手動合併特徵資料。 | 資料集非常小,特徵也很容易合併。 | 取得相似程度計算的結果,但如果特徵資料有所變更,就必須更新相似度度量。 |
受監督的帳戶 | 評估透過受監督 DNN 產生的嵌入之間的距離。 | 資料集過大,特徵難以合併。 | 取得結果深入分析結果,但 DNN 可以依據不斷變動的特徵資料自動調整。 |
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2022-11-18 (世界標準時間)。