ارائه یک روش موثر برای یادگیری مقاوم متریک در برابر نوفه برچسب

تعیین شباهت/ فاصله داده ها در بسیاری از الگوریتم های یادگیری ماشین، شناسایی الگو و داده کاوی کاربرد دارد. در بسیاری از کاربردها، معیارهای عمومی شباهت/فاصله کارایی بالایی ندارد و به طورمعمول با استفاده از داده ها می توان معیار مناسب تری را یاد گرفت. داده های آموزشی برای این منظور به طورمعمول به صورت زوج های مشابه و نامشابه و یا محدودیت های سه گانه هستند. در کاربردهای واقعی، این داده های آموزشی از طریق اینترنت و به طورمعمول با روش هایی نظیر Crowdsourcing جمع آوری می شود که می تواند حاوی نوفه و اطلاعات اشتباه باشد. کارایی روش های یادگیری متریک در صورت وجود اطلاعات آموزشی نوفه ای و اشتباه به شدت افت می کند و حتی ممکن است این روش ها از معیارهای عمومی فاصله نظیر اقلیدسی نیز بدتر عمل کنند. بنابراین نیاز به مقاوم سازی روش های یادگیری متریک در برابر نوفه برچسب وجود دارد. در این پژوهش، یک تابع احتمالاتی جدید برای تعیین احتمال نوفه ای بودن برچسب داده ها با استفاده از محدودیت های سه گانه آموزشی ارایه شده است که باعث می شود، الگوریتم یادگیری متریک بتواند داده های پرت و نوفه ای را شناسایی کند و تاثیر آن ها را فرایند یادگیری کاهش دهد. همچنین نشان داده شده است که چگونه از اطلاعات به دست آمده می توان برای افزایش کارایی الگوریتم مبتنی بر متریک (مانند kNN) بهره برد و عملکرد آن را به طور قابل ملاحظه ای افزایش داد. نتایج آزمایش ها بر روی مجموعه ای از داده های ساختگی و واقعی، تایید می کند که روش پیشنهادی به طور قابل ملاحظه ای کارایی روش های یادگیری متریک را در محیط هایی با نوفه برچسب بهبود می بخشد و بر روش های همتا در مرزهای دانش در سطوح مختلف نوفه برچسب برتری دارد.