Gradient Boosting Mandiri

Self-supervised gradient boosting memperluas kerangka kerja gradient boosting klasik dengan mengintegrasikan tugas-tugas pretext bersupervisi-diri untuk memanfaatkan data tak berlabel. Model ini pertama-tama mempelajari representasi fitur yang berguna dari sampel tak beranotasi, kemudian menggunakan representasi tersebut untuk memandu ensemble sekuensial dari pembelajar lemah, sehingga mencapai kinerja prediksi yang kuat bahkan ketika contoh berlabel langka.