$\texttt{skwdro}$：一个用于Wasserstein分布鲁棒机器学习的库
机器学习
2026-01-13 v2 数学软件
最优化与控制
摘要
我们介绍 skwdro，一个用于训练鲁棒机器学习模型的 Python 库。该库基于使用 Wasserstein 距离的分布鲁棒优化，这在最优传输和机器学习中很流行。该库的目标是通过为 PyTorch 模块提供一个封装器，使广大用户更容易训练鲁棒模型，从而以最少的代码更改实现模型损失的鲁棒化。它附带了一些与 scikit-learn 兼容的估计器，用于一些流行的目标函数。实现的核心依赖于对原始鲁棒目标进行熵平滑，以确保最大的模型灵活性。该库可在 https://github.com/iutzeler/skwdro 获取，文档位于 https://skwdro.readthedocs.io。
引用
@article{arxiv.2410.21231,
title = {$\texttt{skwdro}$: a library for Wasserstein distributionally robust machine learning},
author = {Florian Vincent and Waïss Azizian and Franck Iutzeler and Jérôme Malick},
journal= {arXiv preprint arXiv:2410.21231},
year = {2026}
}
备注
7 pages 2 figures