度量学习的鲁棒性与泛化性
机器学习
2019-01-25 v3 人工智能
机器学习
摘要
度量学习在过去十年中引起了广泛关注，但此类方法的泛化能力尚未得到深入研究。在本文中，我们引入了对算法鲁棒性概念（先前由 Xu 和 Mannor 提出）的一种适应性调整，可用于推导度量学习的泛化界。我们进一步表明，弱鲁棒性概念实际上是度量学习算法具备泛化性的充分必要条件。为了说明所提框架的适用性，我们推导了一大类现有度量学习算法的泛化结果，包括一些先前结果未涵盖的稀疏公式。
引用
@article{arxiv.1209.1086,
title = {Robustness and Generalization for Metric Learning},
author = {Aurélien Bellet and Amaury Habrard},
journal= {arXiv preprint arXiv:1209.1086},
year = {2019}
}
备注
16 pages, to appear in Neurocomputing