Pembelajaran Metrik Robust

Pembelajaran Metrik Robust (Robust Metric Learning) mempelajari fungsi jarak Mahalanobis dari data berlabel atau data dengan batasan berpasangan sambil secara aktif menahan distorsi yang disebabkan oleh label yang berisik, contoh yang rusak, atau pencilan (outlier). Dengan mengganti kerugian (loss) engsel (hinge) atau kuadrat standar dengan alternatif yang robust dan menambahkan regularisasi, metode ini menghasilkan metrik jarak yang menggeneralisasi dengan baik bahkan ketika set data pelatihan tidak sempurna — sebuah situasi umum dalam tugas ilmiah dan terapan dunia nyata.