Machine learningMachine learning
גרדיאנט בוסט מוכוון-עצמית
גרדיאנט בוסט מוכוון-עצמית מרחיב את מסגרת הגרדיאנט בוסט הקלאסית על ידי שילוב משימות-קדם (pretext tasks) מוכוונות-עצמית כדי לנצל נתונים לא מתויגים. המודל לומד תחילה ייצוגי תכונות שימושיים מדגימות ללא תיוג, ואז משתמש בייצוגים אלו כדי להנחות את האנסמבל הסדרתי של לומדים חלשים, ובכך משיג ביצועי חיזוי חזקים גם כאשר דוגמאות מתויגות הן נדירות.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Self-supervised Gradient Boosting (SSL-GBM). ScholarGate. https://scholargate.app/he/machine-learning/self-supervised-gradient-boosting
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.
- גרדיאנט בוסטינגלמידת מכונה↔ compare
- LightGBMלמידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare
- XGBoostלמידת מכונה↔ compare