Selvveiledet gradient-boosting

Selvveiledet gradient-boosting utvider det klassiske gradient-boosting-rammeverket ved å inkorporere selvveiledede pretekstoppgaver for å utnytte umerkede data. Modellen lærer først nyttige funksjonsrepresentasjoner fra ukommenterte prøver, og bruker deretter disse representasjonene til å veilede det sekvensielle ensemblet av svake læringsmodeller, og oppnår sterk prediktiv ytelse selv når merkede eksempler er knappe.