Random Forest Mandiri-Terawasi
Random Forest Mandiri-Terawasi (SSL-RF) memperluas random forest klasik ke pengaturan di mana contoh berlabel langka. Hutan ini pertama kali dilatih menggunakan label semu yang dibuat secara otomatis yang berasal dari tugas pendahuluan mandiri-terawasi — seperti memprediksi transformasi data atau fitur yang ditutupi — dan kemudian disempurnakan pada label asli apa pun yang tersedia, menggabungkan efisiensi label dari pembelajaran mandiri-terawasi dengan ketahanan pohon ansambel.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/id/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.
- Pohon KeputusanPembelajaran Mesin↔ compare
- Propagasi LabelPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
- XGBoostPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →