skwdro：一个计算瓦瑟斯坦分布鲁棒机器学习的库
原文中文，约500字，阅读约需2分钟。发表于：。本文提出了skwdro，一个用于训练鲁棒机器学习模型的Python库，旨在解决现有模型在面对分布变化时的脆弱性。该库通过使用最优传输距离的分布鲁棒优化方法，提供了与scikit-learn兼容的估计器和PyTorch模块的包装，实现了模型的灵活性和易用性。其主要发现是，使用熵平滑的鲁棒目标实现了更高的模型灵活性，拓宽了研究者和实践者的应用范围。
本文介绍了skwdro，一个用于训练鲁棒机器学习模型的Python库，旨在解决模型在分布变化时的脆弱性。该库兼容scikit-learn和PyTorch，采用最优传输距离的分布鲁棒优化方法，提高了模型的灵活性和易用性。
