Arbre de decisió auto-supervisat
L'aprenentatge d'arbres de decisió auto-supervisats combina la interpretabilitat dels arbres de decisió clàssics amb la capacitat d'aprofitar grans quantitats de dades no etiquetades mitjançant tasques pretextes auto-supervisades. El model aprèn representacions de característiques útils o criteris de divisió de nodes a partir de mostres no etiquetades abans de refinar les prediccions en un petit conjunt etiquetat, tancant la bretxa entre els arbres totalment supervisats i el clustering purament no supervisat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/ca/machine-learning/self-supervised-decision-tree
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.
- Arbre de decisióAprenentatge automàtic↔ compare
- Gradient BoostingAprenentatge automàtic↔ compare
- Propagació d'etiquetesAprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →