Machine learningMachine learning
セルフスーパーバイズドLightGBM
セルフスーパーバイズドLightGBMは、セルフスーパーバイズド学習のパラダイムとLightGBM勾配ブースティングフレームワークを組み合わせ、大量のラベルなし表形式データを活用します。マスク特徴量予測や対照的破損などのセルフスーパーバイズド事前タスクは、豊富な特徴量表現または疑似ラベルを生成し、これらを用いてLightGBMモデルの学習またはファインチューニングを行い、ラベルが少ない状況での性能を大幅に向上させます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Self-Supervised Learning. Proceedings of the 37th International Conference on Machine Learning (ICML). link ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/ja/machine-learning/self-supervised-lightgbm
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.
- 勾配ブースティング機械学習↔ compare
- LightGBM機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師ありLightGBM機械学習↔ compare
- 転移学習機械学習↔ compare
- XGBoost機械学習↔ compare