Regresión Logística Autosupervisada
La regresión logística autosupervisada es un pipeline de dos etapas en el que primero se entrena un codificador neuronal con abundantes datos no etiquetados a través de una tarea pretexto autosupervisada —como el aprendizaje contrastivo o la predicción enmascarada— y luego las representaciones aprendidas congeladas se clasifican con un modelo de regresión logística estándar entrenado en un pequeño conjunto de datos etiquetados. Este protocolo de evaluación lineal se utiliza ampliamente para evaluar la calidad de las representaciones autosupervisadas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 1597–1607. link ↗
- van Engelen, J. E., & Hoos, H. H. (2020). A survey on semi-supervised learning. Machine Learning, 109(2), 373–440. DOI: 10.1007/s10994-019-05855-6 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/es/machine-learning/self-supervised-logistic-regression
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.
- Regresión Logística (ML)Aprendizaje automático↔ compare
- Árbol de Decisión Auto-supervisadoAprendizaje automático↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- Regresión Logística SemisupervisadaAprendizaje automático↔ compare
- Aprendizaje por transferenciaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →