自己教師あり勾配ブースティング

自己教師あり勾配ブースティングは、ラベルなしデータを活用するために自己教師あり事前タスクを組み込むことで、従来の勾配ブースティングフレームワークを拡張するものです。このモデルはまず、アノテーションなしのサンプルから有用な特徴表現を学習し、次にその表現を用いて弱い学習器の逐次アンサンブルをガイドすることで、ラベル付きサンプルが少ない場合でも強力な予測性能を達成します。