Robust metrisk inlärning
Robust metrik-inlärning lär sig en Mahalanobis-avståndsfunktion från märkt eller parvis begränsad data samtidigt som den aktivt motstår distorsion orsakad av brusiga etiketter, korrupta exempel eller extremvärden. Genom att ersätta standard-hinge- eller kvadratiska förluster med robusta alternativ och lägga till regularisering producerar den en avståndsmetrik som generaliserar väl även när träningsuppsättningen är ofullständig — en vanlig situation i verkliga vetenskapliga och tillämpade uppgifter.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Metric Learning (Outlier-Resistant Distance Metric Learning). ScholarGate. https://scholargate.app/sv/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 LearningMaskininlärning↔ compare
- MetriskinlärningMaskininlärning↔ compare
- Robust linjär regressionMaskininlärning↔ compare
- Robust Support Vector MachineMaskininlärning↔ compare
- Semi-supervised metric learningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →