Logisztikus regresszió önfelügyelt módban
Az önfelügyelt logisztikus regresszió egy kétszakaszos folyamat, amelyben először egy neurális enkódert képeznek bőséges, címkézetlen adathalmazon, egy önfelügyelt előfeladat (pretext task) segítségével – mint például kontrasztív tanulás vagy maszkolt predikció –, majd a rögzített, tanult reprezentációkat egy standard logisztikus regressziós modellel osztályozzák, amelyet egy kis címkézett adatkészleten tanítanak. Ezt a lineáris kiértékelési protokollt széles körben használják az önfelügyelt reprezentációk minőségének benchmarkolására.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), 1597–1607. link ↗
- van Engelen, J. E., & Hoos, H. H. (2020). A survey on semi-supervised learning. Machine Learning, 109(2), 373–440. DOI: 10.1007/s10994-019-05855-6 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/hu/machine-learning/self-supervised-logistic-regression
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.
- Logisztikus regresszió (ML)Gépi tanulás↔ compare
- Önszupervizált döntési faGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt logisztikus regresszióGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →