$\texttt{skwdro}$: a library for Wasserstein distributionally robust machine learning

要約

堅牢な機械学習モデルをトレーニングするための Python ライブラリである skwdro を紹介します。
このライブラリは、最適な輸送距離を使用した分散的に堅牢な最適化に基づいています。
使いやすさを考慮して、一般的な目的に対応する scikit-learn 互換の推定器と、PyTorch モジュールのラッパーの両方を備えており、研究者や実務者が最小限のコード変更で幅広いモデルで使用できるようになります。
その実装は、モデルの柔軟性を最大限に高めるために、元の堅牢な目的のエントロピー平滑化に依存しています。
ライブラリは https://github.com/iutzeler/skwdro で入手できます。

要約(オリジナル)

We present skwdro, a Python library for training robust machine learning models. The library is based on distributionally robust optimization using optimal transport distances. For ease of use, it features both scikit-learn compatible estimators for popular objectives, as well as a wrapper for PyTorch modules, enabling researchers and practitioners to use it in a wide range of models with minimal code changes. Its implementation relies on an entropic smoothing of the original robust objective in order to ensure maximal model flexibility. The library is available at https://github.com/iutzeler/skwdro

arxiv情報

著者 Florian Vincent,Waïss Azizian,Franck Iutzeler,Jérôme Malick
発行日 2024-10-28 17:16:00+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: 90C15, 90C17, cs.LG, cs.MS, G.1.6, math.OC パーマリンク