Machine learningMachine learning
自己教師ありロジスティック回帰
自己教師ありロジスティック回帰は、ニューラルエンコーダをまず豊富なラベルなしデータで自己教師ありの pretext task（例えば、対照学習やマスク予測など）を用いて訓練し、その後、凍結された学習済み表現を少数のラベル付きデータセットで訓練された標準的なロジスティック回帰モデルで分類する、という2段階のパイプラインである。この線形評価プロトコルは、自己教師あり表現の質をベンチマークするために広く用いられている。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/ja/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.
- ロジスティック回帰 (ML)機械学習↔ compare
- 自己教師あり決定木機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師ありロジスティック回帰機械学習↔ compare
- 転移学習機械学習↔ compare