Zelf-gesuperviseerde Gradient Boosting
Zelf-gesuperviseerde gradient boosting breidt het klassieke gradient boosting-framework uit door zelf-gesuperviseerde pretext-taken te integreren om ongelabelde gegevens te benutten. Het model leert eerst nuttige kenmerkrepresentaties uit niet-geannoteerde samples en gebruikt die representaties vervolgens om de sequentiële ensemble van zwakke leerders te sturen, wat sterke voorspellende prestaties oplevert, zelfs wanneer gelabelde voorbeelden schaars zijn.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
Deze pagina citeren
ScholarGate. (2026, June 3). Self-supervised Gradient Boosting (SSL-GBM). ScholarGate. https://scholargate.app/nl/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 BoostingMachine learning↔ compare
- LightGBMMachine learning↔ compare
- Random ForestMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →