جنگل تصادفی خود-نظارتی
جنگل تصادفی خود-نظارتی (SSL-RF) جنگل تصادفی کلاسیک را به تنظیماتی که در آن نمونههای برچسبدار کمیاب هستند، گسترش میدهد. جنگل ابتدا با استفاده از برچسبهای شبه تولید شده خودکار که از یک وظیفه پیشمتن خود-نظارتی مشتق شدهاند - مانند پیشبینی تبدیل دادهها یا ویژگیهای ماسک شده - آموزش داده میشود و سپس بر روی هر برچسب واقعی موجود، اصلاح میشود و کارایی برچسب یادگیری خود-نظارتی را با استحکام درختان گروهی ترکیب میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/fa/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.
- درخت تصمیمیادگیری ماشین↔ compare
- انتشار برچسب (Label Propagation)یادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- XGBoostیادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →