Mechanism design for distance metric learning

Metric learning is an important area of machine learning, in which a similarity measure between sets of objects is learned from data. In a modern context, this data may come from crowd-sourcing problem instances to a set of users (or workers), who are likely to have different abilities and levels of commitment to the task. In this thesis, we first try to look over some of the main methods developed in this field of machine learning. Finally, we present a mechanism design approach for incentivizing workers to produce accurate data for a metric learning task. We show how to incorporate the data provided using this mechanism into a metric learning algorithm, and establish the theoretical properties of this approach. Results on some simulated problems show the promise of the algorithm.L’apprentissage me ́trique est un domaine important de l’apprentissage automatique, sur lequel une mesure de similarite ́ entre des ensembles d’objets est apprise a` partir de donne ́es. Dans un contexte moderne, ces donne ́es peuvent provenir de certains cas de proble`mes d’externalisation ouverte a` un ensemble d’utilisateurs (ou de travailleurs), qui sont susceptibles d’avoir des capacite ́s et des niveaux d’engagement diffe ́rents pour la taˆche. Dans cette the`se, nous essayons d’abord d’examiner quelques-unes des principales me ́thodes de ́veloppe ́es dans ce domaine de l’apprentissage automatique. Enfin, nous pre ́sentons une approche de conception de me ́canisme pour inciter les travailleurs a` produire des donne ́es pre ́cises pour la taˆche d’apprentissage me ́trique. Nous pre ́sentons comment incorporer les donne ́es re ́ve ́le ́es en utilisant ce me ́canisme dans un algorithme d’apprentissage me ́trique et e ́tablir les proprie ́te ́s the ́oriques de cette approche. Les re ́sultats sur certains proble`mes simule ́s re ́ve`lent la promesse de l’algorithme