Самоконтролиран LightGBM
Самоконтролираният LightGBM съчетава парадигмата на самоконтролираното обучение с рамката за градиентно усилване LightGBM, за да използва големи обеми от немаркирани таблични данни. Задачата за самоконтролиран претекст — като предсказване на маскирани признаци или контрастивно корумпиране — генерира богати представяния на признаци или псевдо-етикети, които след това се използват за обучение или фина настройка на модел LightGBM, като значително подобрява производителността в режими с недостиг на етикети.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Self-Supervised Learning. Proceedings of the 37th International Conference on Machine Learning (ICML). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/bg/machine-learning/self-supervised-lightgbm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Градиентен бустингМашинно обучение↔ compare
- LightGBMМашинно обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Semi-supervised LightGBMМашинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →