Albero decisionale auto-supervisionato
L'apprendimento tramite alberi decisionali auto-supervisionati combina l'interpretabilità degli alberi decisionali classici con la capacità di sfruttare grandi quantità di dati non etichettati attraverso compiti preliminari (pretext tasks) auto-supervisionati. Il modello apprende rappresentazioni utili delle caratteristiche o criteri di divisione dei nodi da campioni non etichettati prima di affinare le predizioni su un piccolo insieme etichettato, colmando il divario tra alberi completamente supervisionati e clustering puramente non supervisionato.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/it/machine-learning/self-supervised-decision-tree
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.
- Albero decisionaleApprendimento automatico↔ compare
- Gradient BoostingApprendimento automatico↔ compare
- Label PropagationApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →