Regresie logistică auto-supervizată
Regresia logistică auto-supervizată este o conductă în două etape în care un codificator neural este mai întâi antrenat pe date abundente neetichetate printr-o sarcină pretext auto-supervizată — cum ar fi învățarea contrastivă sau predicția mascată — și apoi reprezentările învățate înghețate sunt clasificate cu un model standard de regresie logistică antrenat pe un set mic de date etichetate. Acest protocol de evaluare liniară este utilizat pe scară largă pentru a evalua calitatea reprezentărilor auto-supervizate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/ro/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.
- Regresie Logistică (ML)Învățare automată↔ compare
- Arbore de decizie auto-supervizatÎnvățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Regresia logistică semi-supervizatăÎnvățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →