Regressione logistica auto-supervisionata
La regressione logistica auto-supervisionata è una pipeline a due stadi in cui un codificatore neurale viene prima addestrato su abbondanti dati non etichettati attraverso un compito pretesto auto-supervisionato — come l'apprendimento contrastivo o la predizione mascherata — e quindi le rappresentazioni apprese congelate vengono classificate con un modello di regressione logistica standard addestrato su un piccolo set di dati etichettati. Questo protocollo di valutazione lineare è ampiamente utilizzato per valutare la qualità delle rappresentazioni auto-supervisionate.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/it/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.
- Regressione Logistica (ML)Apprendimento automatico↔ compare
- Albero decisionale auto-supervisionatoApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Regressione logistica semi-supervisionataApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →