Selv-supervisert logistisk regresjon
Selv-supervisert logistisk regresjon er en to-trinns pipeline der en nevral koder først trenes på rikelig med umerket data gjennom en selv-supervisert forhåndsoppgave – som kontrastiv læring eller maskert prediksjon – og deretter klassifiseres de frosne lærte representasjonene med en standard logistisk regresjonsmodell trent på et lite merket datasett. Denne lineære evalueringsprotokollen brukes mye for å benchmarke kvaliteten på selv-superviserte representasjoner.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/no/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.
- Logistisk regresjon (ML)Maskinlæring↔ compare
- Selv-supervisert beslutningstreMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Logistisk regresjon med semi-overvåkingMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →