자기 지도 학습 스태킹 앙상블

자기 지도 학습 스태킹 앙상블은 스태킹 일반화(Wolpert, 1992에 의해 소개된 고전적인 2단계 앙상블 아키텍처)와 자기 지도 사전 학습을 결합하여, 기본 모델이 레이블이 없는 데이터로부터 풍부한 표현을 학습한 후 미세 조정 및 스태킹할 수 있도록 합니다. 이 하이브리드 전략은 레이블이 있는 예제가 부족하지만 레이블이 없는 데이터가 풍부할 때 특히 강력합니다.