Robust metrikklæring
Robust metrikklæring lærer en Mahalanobis-avstandsfunksjon fra merkede eller parvis-begrensede data, samtidig som den aktivt motstår forvrengning forårsaket av støyende merkelapper, korrupte eksempler eller uteliggere. Ved å erstatte standard hengsel- eller kvadratiske tap med robuste alternativer og legge til regularisering, produserer den en avstandsmetrikk som generaliserer godt selv når treningssettet er ufullstendig – en vanlig situasjon i vitenskapelige og anvendte oppgaver i den virkelige verden.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/no/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.
- Få-skudds læringMaskinlæring↔ compare
- MetrikklæringMaskinlæring↔ compare
- Robust lineær regresjonMaskinlæring↔ compare
- Robust Support Vector MachineMaskinlæring↔ compare
- Semi-veiledt metrikklæringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →