Logistyczna regresja samo nadzorowana
Logistyczna regresja samo nadzorowana to dwuetapowy proces, w którym najpierw trenuje się neuronowy enkoder na obfitych danych nieetykietowanych za pomocą zadania samo nadzorowanego typu pretext — takiego jak uczenie kontrastowe lub przewidywanie zamaskowanych elementów — a następnie zamrożone, nauczone reprezentacje są klasyfikowane za pomocą standardowego modelu regresji logistycznej trenowanego na małym zbiorze danych etykietowanych. Ten protokół ewaluacji liniowej jest powszechnie stosowany do oceny jakości samo-nadzorowanych reprezentacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/pl/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.
- Regresja logistyczna (ML)Uczenie maszynowe↔ compare
- Samonadzorowane drzewo decyzyjneUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Logistyczna regresja półnadzorowanaUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →