Învățarea metricilor robuste
Învățarea metricilor robuste (Robust Metric Learning) învață o funcție de distanță Mahalanobis din date etichetate sau constrânse pe perechi, rezistând activ la distorsiunea cauzată de etichete zgomotoase, exemple corupte sau valori aberante. Prin înlocuirea funcțiilor de pierdere standard de tip „hinge” sau pătrat cu alternative robuste și prin adăugarea regularizării, aceasta produce o metrică de distanță care generalizează bine chiar și atunci când setul de antrenament este imperfect – o situație comună în sarcinile științifice și aplicate din lumea reală.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/ro/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.
- Învățare cu puține exempleÎnvățare automată↔ compare
- Învățarea metricilorÎnvățare automată↔ compare
- Regresie Liniară RobustăÎnvățare automată↔ compare
- Mașină cu Vectori de Suport RobustăÎnvățare automată↔ compare
- Învățarea metricilor semi-supervizatăÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →