当优化$f$-散度对标签噪声具有鲁棒性时

Nov, 2020

当优化$f$-散度对标签噪声具有鲁棒性时

When Optimizing $f$-divergence is Robust with Label Noise

Jiaheng Wei, Yang Liu

TL;DR本文利用$f$-divergence的变分形式证明了其在标签噪声存在时具有良好的鲁棒性，并将其应用于噪声标签下的学习问题中，并提出了可能不具鲁棒性的解决方法，并通过实证研究证明了该方法的有效性。

Abstract

We show when maximizing a properly defined $f$-divergence measure with respect to a classifier's predictions and the supervised labels is robust with label noise. Leveraging its variational form, we derive a nice