Αυτο-εποπτευόμενο Τυχαίο Δάσος
Το Αυτο-εποπτευόμενο Τυχαίο Δάσος (SSL-RF) επεκτείνει το κλασικό τυχαίο δάσος σε σενάρια όπου τα επισημασμένα παραδείγματα είναι σπάνια. Το δάσος εκπαιδεύεται αρχικά χρησιμοποιώντας αυτόματα παραγόμενες ψευδο-ετικέτες που προέρχονται από μια αυτο-εποπτευόμενη προκαταρκτική εργασία — όπως η πρόβλεψη μετασχηματισμών δεδομένων ή κρυμμένων χαρακτηριστικών — και στη συνέχεια βελτιώνεται με όποιες αληθινές ετικέτες είναι διαθέσιμες, συνδυάζοντας την αποδοτικότητα ετικετών της αυτο-εποπτευόμενης μάθησης με την ανθεκτικότητα των συνόλων δέντρων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Lefortier, D., Chitta, K., & Agrawal, P. (2022). Self-supervised random forests. arXiv:2204.01430. link ↗
- Criminisi, A., Shotton, J., & Konukoglu, E. (2012). Decision forests: A unified framework for classification, regression, density estimation, manifold learning and semi-supervised learning. Foundations and Trends in Computer Graphics and Vision, 7(2–3), 81–227. DOI: 10.1561/0600000035 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/el/machine-learning/self-supervised-random-forest
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.
- Δέντρο ΑποφάσεωνΜηχανική Μάθηση↔ compare
- Διάδοση ΕτικετώνΜηχανική Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Αυτο-εποπτευόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →