Itseohjautuva logistinen regressio
Itseohjautuva logistinen regressio on kaksivaiheinen putki, jossa neuroverkon enkooderi koulutetaan ensin runsaalla merkitsemättömällä datalla itseohjautuvan esitehtävän avulla – kuten kontrastiivisen oppimisen tai maskatun ennustamisen – ja sitten jäädytetyt opitut esitykset luokitellaan standardilla logistisella regressiomallilla, joka on koulutettu pienellä merkityllä aineistolla. Tätä lineaarista evaluointiprotokollaa käytetään laajalti itseohjautuvien esitysten laadun vertailuun.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/fi/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.
- Logistinen regressio (ML)Koneoppiminen↔ compare
- Itseohjautuva päätöspuuKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puolivalvottu logistinen regressioKoneoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →