Eneseteadlik Regressioon
Eneseteadlik logistiline regressioon on kaheetapiline protsess, kus närvikoodek esmalt treenitakse rohkete märgistamata andmete abil eneseteadliku eelülesande kaudu – nagu kontrastiivne õppimine või maskeeritud ennustamine – ja seejärel klassifitseeritakse külmutatud õpitudRepresentatsioonid standardse logistilise regressioonimudeliga, mida treenitakse väikese märgistatud andmekogumi peal. Seda lineaarset hindamisprotokolli kasutatakse laialdaselt eneseteadlikeRepresentatsioonide kvaliteedi võrdlemiseks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/et/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.
- Logistiline regressioon (ML)Masinõpe↔ compare
- Eneseteadlik otsustuspuuMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Logistilise regressiooni pooljuhendatud õpeMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →