Apprendimento Robusto di Metriche
L'Apprendimento Robusto di Metriche apprende una funzione di distanza di Mahalanobis da dati etichettati o vincolati a coppie, resistendo attivamente alla distorsione causata da etichette rumorose, esempi corrotti o outlier. Sostituendo le perdite standard a cerniera (hinge) o quadratiche con alternative robuste e aggiungendo regolarizzazione, produce una metrica di distanza che generalizza bene anche quando il set di addestramento è imperfetto — una situazione comune nei compiti scientifici e applicati del mondo reale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/it/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 LearningApprendimento automatico↔ compare
- Apprendimento metricoApprendimento automatico↔ compare
- Regressione Lineare RobustaApprendimento automatico↔ compare
- Support Vector Machine RobustaApprendimento automatico↔ compare
- Apprendimento metrico semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →