Regresi Logistik Kendiri-Penyeliaan
Regresi logistik kendiri-penyeliaan ialah saluran dua peringkat di mana pengekod neural pertama kali dilatih pada data tidak berlabel yang banyak melalui tugas pretext kendiri-penyeliaan — seperti pembelajaran kontrastif atau ramalan bertopeng — dan kemudian perwakilan yang dipelajari yang dibekukan dikelaskan dengan model regresi logistik standard yang dilatih pada set data berlabel kecil. Protokol penilaian linear ini digunakan secara meluas untuk penanda aras kualiti perwakilan kendiri-penyeliaan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/ms/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.
- Regresi Logistik (ML)Pembelajaran Mesin↔ compare
- Pohon Keputusan Kendiri-SeliaPembelajaran Mesin↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Regresi Logistik Separa-PenyeliaanPembelajaran Mesin↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →