Önfelügyelt Random Forest
Az Önfelügyelt Random Forest (SSL-RF) kiterjeszti a klasszikus random forestot olyan környezetekre, ahol a címkézett példák ritkák. Az erdőt először automatikusan generált pszeudocímkék használatával képzik, amelyek egy önfelügyelt előfeladatból származnak – például adattranszformációk vagy maszkolt jellemzők predikciója –, majd a rendelkezésre álló valódi címkékre finomhangolják, egyesítve az önfelügyelt tanulás címkehatékonyságát az ensemble fák robusztusságával.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/hu/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.
- Döntési faGépi tanulás↔ compare
- CímkepropagációGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →