Random Forest Auto-supervizat
Random Forest Auto-supervizat (SSL-RF) extinde pădurea aleatorie clasică la setări în care exemplele etichetate sunt rare. Pădurea este antrenată mai întâi folosind pseudo-etichete generate automat, derivate dintr-o sarcină pretext auto-supervizată — cum ar fi predicția transformărilor datelor sau a caracteristicilor mascate — și apoi rafinată pe orice etichete reale disponibile, combinând eficiența etichetării a învățării auto-supervizate cu robustețea arborilor de ansamblu.
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
- Lefortier, D., Chitta, K., & Agrawal, P. (2022). Self-supervised random forests. arXiv:2204.01430. link ↗
- Criminisi, A., Shotton, J., & Konukoglu, E. (2012). Decision forests: A unified framework for classification, regression, density estimation, manifold learning and semi-supervised learning. Foundations and Trends in Computer Graphics and Vision, 7(2–3), 81–227. DOI: 10.1561/0600000035 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/ro/machine-learning/self-supervised-random-forest
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.
- Arbore de decizieÎnvățare automată↔ compare
- Propagarea etichetelorÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →