सेल्फ-सुपरवाइज्ड लाइटजीबीएम
सेल्फ-सुपरवाइज्ड लाइटजीबीएम बड़े पैमाने पर बिना लेबल वाले सारणीबद्ध डेटा का लाभ उठाने के लिए सेल्फ-सुपरवाइज्ड लर्निंग प्रतिमान को लाइटजीबीएम ग्रेडिएंट बूस्टिंग फ्रेमवर्क के साथ जोड़ता है। एक सेल्फ-सुपरवाइज्ड प्रीटेक्स्ट कार्य — जैसे मास्क्ड फ़ीचर प्रेडिक्शन या कंट्रास्टिव करप्शन — समृद्ध फ़ीचर प्रतिनिधित्व या स्यूडो-लेबल उत्पन्न करता है जिनका उपयोग फिर लाइटजीबीएम मॉडल को प्रशिक्षित या फाइन-ट्यून करने के लिए किया जाता है, जिससे लेबल-स्केर्स रिजीम में प्रदर्शन में काफी सुधार होता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Self-Supervised Learning. Proceedings of the 37th International Conference on Machine Learning (ICML). link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/hi/machine-learning/self-supervised-lightgbm
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.
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- लाइटजीबीएममशीन अधिगम↔ compare
- स्व-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित लाइटजीबीएममशीन अधिगम↔ compare
- ट्रांसफर लर्निंगमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare