Robust Simplex-Based Multinomial Logistic Regression

doi:10.1007/s40304-025-00459-0

Robust Simplex-Based Multinomial Logistic Regression

2026-03-01

0

PRE

AI

DOI：10.1007/s40304-025-00459-0

原文链接

原文求助

摘要

En 中文

多分类逻辑回归（MLR）是机器学习中最受欢迎的大间隔分类器之一。尽管它已被成功应用于各个领域，但仍存在一些固有问题。特别是，现有的MLR模型存在决策函数的过度指定或参考类别选择的问题，并且由于损失函数无界而对潜在异常值非常敏感。在本文中，利用流行的基于单纯形的框架，我们分别提出了基于截断损失函数、加权学习和标签调整学习的三种鲁棒MLR模型。此外，前两种方法通过移除潜在异常值来实现鲁棒性，而后一种方法通过自适应重标定异常值来获得鲁棒性。理论性质包括Fisher一致性、概率估计和崩溃点得到了很好的建立。大量的数值研究表明，所提出的方法在处理潜在异常值问题时具有极强的竞争力。

Keyword:

Fisher consistency

Multicategory classification

Probability estimation

Robustness

Simplex-based framework

Robust Simplex-Based Multinomial Logistic Regression

摘要

期刊

机构

引用论文