Aprendizagem Robusta de Métricas
A Aprendizagem Robusta de Métricas aprende uma função de distância de Mahalanobis a partir de dados rotulados ou com restrições por pares, resistindo ativamente à distorção causada por rótulos ruidosos, exemplos corrompidos ou valores atípicos. Ao substituir perdas de dobradiça (hinge loss) ou quadráticas padrão por alternativas robustas e adicionar regularização, produz uma métrica de distância que generaliza bem mesmo quando o conjunto de treinamento é imperfeito — uma situação comum em tarefas científicas e aplicadas do mundo real.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/pt/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.
- Aprendizado com Poucos ExemplosAprendizado de máquina↔ compare
- Aprendizado de MétricaAprendizado de máquina↔ compare
- Regressão Linear RobustaAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte RobustaAprendizado de máquina↔ compare
- Aprendizado de Métrica SemissupervisionadoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →