Machine learningMachine learning
自己教師ありランダムフォレスト
自己教師ありランダムフォレスト（SSL-RF）は、ラベル付きサンプルが乏しい設定に古典的なランダムフォレストを拡張したものです。このフォレストは、まず自己教師ありのプレテキストタスク（データ変換やマスクされた特徴の予測など）から派生した自動生成された疑似ラベルを使用して訓練され、その後、利用可能な真のラベルで洗練されます。これにより、自己教師あり学習のラベル効率性とアンサンブルツリーの堅牢性が組み合わされます。
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
- Lefortier, D., Chitta, K., & Agrawal, P. (2022). Self-supervised random forests. arXiv:2204.01430. link ↗
- Criminisi, A., Shotton, J., & Konukoglu, E. (2012). Decision forests: A unified framework for classification, regression, density estimation, manifold learning and semi-supervised learning. Foundations and Trends in Computer Graphics and Vision, 7(2–3), 81–227. DOI: 10.1561/0600000035 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/ja/machine-learning/self-supervised-random-forest
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.
- 決定木機械学習↔ compare
- ラベル伝播機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- XGBoost機械学習↔ compare