THOR：基于阈值的排序损失用于有序回归
机器学习
2022-05-11 v1
摘要
在本工作中，我们提出一种基于回归的有序回归算法，用于将有监督实例分类到有序类别中。与以往方法不同，本工作中类别间的决策边界是预定义的，算法学习根据这些预定义边界将输入样本投影到其合适的分数上。这是通过添加一种新颖的基于阈值的成对损失函数实现的，该函数旨在最小化回归误差，进而最小化平均绝对误差(MAE)度量。我们使用 CNN 框架进行特征提取，实现了所提出的与架构无关的方法。在五个真实世界基准上的实验结果表明，与最先进的有序回归算法相比，所提算法取得了最佳的 MAE 结果。
引用
@article{arxiv.2205.04864,
title = {THOR: Threshold-Based Ranking Loss for Ordinal Regression},
author = {Tzeviya Sylvia Fuchs and Joseph Keshet},
journal= {arXiv preprint arXiv:2205.04864},
year = {2022}
}