Pašuzraudzīta gradienta pastiprināšana
Pašuzraudzīta gradienta pastiprināšana paplašina klasisko gradienta pastiprināšanas ietvaru, iekļaujot pašuzraudzītus preteksta uzdevumus, lai izmantotu neiezīmētus datus. Modelis vispirms apgūst noderīgus pazīmju attēlojumus no nekomentētiem paraugiem, pēc tam izmanto šos attēlojumus, lai vadītu vājo mācītāju secīgu ansambli, tādējādi panākot spēcīgu prognozēšanas veiktspēju pat tad, ja iezīmētu piemēru ir maz.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Gradient Boosting (SSL-GBM). ScholarGate. https://scholargate.app/lv/machine-learning/self-supervised-gradient-boosting
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.
- Gradient BoostingMašīnmācīšanās↔ compare
- LightGBMMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →