Robuszt metrikatanulás
A robuszt metrikatanulás címkézett vagy pár-korlátozott adatokból tanul meg egy Mahalanobis-távolságfüggvényt, miközben aktívan ellenáll a zajos címkék, sérült példányok vagy kiugró értékek okozta torzításnak. A standard zsanér- vagy négyzetveszteségek robusztus alternatívákkal való helyettesítésével és regularizáció hozzáadásával olyan távolságmetrikát eredményez, amely még akkor is jól általánosítható, ha a tanítóhalmaz tökéletlen – ami valós tudományos és alkalmazott feladatoknál gyakori helyzet.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/hu/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 LearningGépi tanulás↔ compare
- MetrikatanulásGépi tanulás↔ compare
- Robusztus lineáris regresszióGépi tanulás↔ compare
- Robuszt Támogató Vektor GépGépi tanulás↔ compare
- Félfelügyelt metrikatanulásGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →