Mathew M Noel

新的损失函数增强了机器学习模型对离群值的鲁棒性

研究人员开发了新的损失函数和回归模型，旨在提高机器学习数据集对离群值的鲁棒性。所提出的方法根据离群值敏感性调节学习率，重点关注比现有方法（如 Huber 和 log-cosh 损失）更接近绝对误差的替代损失函数。该论文介绍了平方根损失 (SRL) 和平滑平均绝对误差 (SMAE) 作为更优的替代方案，通过在各种基准测试上的比较证明了它们的有效性，并提出了针对 GPU 优化的向量化参数更新公式的新型鲁棒线性回归模型。