Samonadzorovani LightGBM
Samonadzorovani LightGBM kombinira paradmu samonadzorovanog učenja s okvirom gradijentnog pojačanja LightGBM kako bi iskoristio velike količine neoznačenih tabelarnih podataka. Prettekst zadatak samonadzorovanog učenja — poput predviđanja maskiranih značajki ili kontrastne korupcije — generira bogate reprezentacije značajki ili pseudo-oznake koje se zatim koriste za treniranje ili fino podešavanje LightGBM modela, značajno poboljšavajući performanse u režimima oskudice oznaka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/hr/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.
- Povećanje gradijentaStrojno učenje↔ compare
- LightGBMStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polu-nadgledani LightGBMStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →