自己教師ありブースティング

自己教師ありブースティングは、自己教師あり事前学習タスクをブースティングフレームワーク（AdaBoost、勾配ブースティング、およびそれらの最新のバリアントを含む）に統合し、大量のラベルなしデータを活用します。まずラベルなしサンプルから特徴表現を学習し、次に疑似ラベル付きデータ上で逐次的な弱学習器アンサンブルを実行することで、真のラベルが少ない場合でも競争力のある精度を達成します。