Robustes Metriklernen
Robustes Metriklernen lernt eine Mahalanobis-Distanzfunktion aus gelabelten oder paarweise eingeschränkten Daten, während es aktiv der Verzerrung entgegenwirkt, die durch verrauschte Labels, korrumpierte Beispiele oder Ausreißer verursacht wird. Durch den Ersatz von Standard-Hinge- oder quadratischen Verlustfunktionen durch robuste Alternativen und das Hinzufügen von Regularisierung erzeugt es eine Distanzmetrik, die auch dann gut generalisiert, wenn der Trainingsdatensatz unvollkommen ist – eine häufige Situation bei realen wissenschaftlichen und angewandten Aufgaben.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/de/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 LearningMaschinelles Lernen↔ compare
- Metrik-LernenMaschinelles Lernen↔ compare
- Robuste Lineare RegressionMaschinelles Lernen↔ compare
- Robuste Support-Vektor-MaschineMaschinelles Lernen↔ compare
- Halb-überwachtes Metrik-LernenMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →