Минимизации некоторых робастных сумм параметризованных функций

Abstract

Рассматривается робастный подход к построению алгоритмов машинного обучения, основанный на минимизации робастных конечных сумм параметризованных функций. Он основывается на применении конечных робастных дифференцируемых агрегирующих функций суммирования, которые являются устойчивыми по отношению к выбросам. The problem of minimization of robust sums of parametric loss functions that arise when solving problems of classification and regression in the presence of a large number of outliers is considered. An iteratively reweighted method of minimizing empirical risk is proposed to search for parameters that minimize robust sum of parametric loss functions.