Itseohjautuva satunnaismetsä
Itseohjautuva satunnaismetsä (SSL-RF) laajentaa klassista satunnaismetsää tilanteisiin, joissa merkittyjä esimerkkejä on vähän. Metsä koulutetaan ensin automaattisesti luoduilla valenimikkeillä, jotka johdetaan itseohjautuvasta esitehtävästä – kuten datamuunnosten tai naamioitujen piirteiden ennustamisesta – ja sitä sitten jalostetaan saatavilla olevilla todellisilla nimikkeillä, yhdistäen itseohjautuvan oppimisen nimike-tehokkuuden ja ensemble-puiden kestävyyden.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/fi/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.
- PäätöspuuKoneoppiminen↔ compare
- Label PropagationKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →