Samoučenje šumske metode nasumičnih stabala
Samoučenje šumske metode nasumičnih stabala (SSL-RF) proširuje klasičnu metodu nasumičnih stabala na postavke gdje su označeni primjeri rijetki. Šuma se prvo trenira koristeći automatski generirane pseudo-oznake izvedene iz pretka zadatka samoučenja — kao što je predviđanje transformacija podataka ili maskiranih značajki — a zatim se usavršava na svim dostupnim istinskim oznakama, spajajući učinkovitost oznaka samoučenja s robusnošću ansambl stabala.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/hr/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.
- Stablo odlučivanjaStrojno učenje↔ compare
- Propagacija oznakaStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →