Robust metrisk læring
Robust metrisk læring lærer en Mahalanobis-afstandsfunktion ud fra mærkede eller parvise begrænsede data, mens den aktivt modstår forvrængning forårsaget af støjende mærkater, korrupte eksempler eller outliers. Ved at erstatte standard hængsel- eller kvadratiske tab med robuste alternativer og tilføje regularisering producerer den en afstandsmetrik, der generaliserer godt, selv når træningssættet er ufuldkomment — en almindelig situation i videnskabelige og anvendte opgaver i den virkelige verden.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Shen, C., Kim, J., Wang, L., & van den Hengel, A. (2012). Positive Semidefinite Metric Learning Using Boosting-like Algorithms. Journal of Machine Learning Research, 13, 1007–1036. link ↗
- Cao, Q., Guo, Z.-C., & Ying, Y. (2012). Generalization Bounds for Metric and Similarity Learning. Machine Learning, 102(1), 115–132. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/da/machine-learning/robust-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 LearningMaskinlæring↔ compare
- Metrisk LæringMaskinlæring↔ compare
- Robust lineær regressionMaskinlæring↔ compare
- Robust Support Vector-maskineMaskinlæring↔ compare
- Semi-supervised Metric LearningMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →