Self-supervised LightGBM
Self-supervised LightGBM объединяет парадигму самообучения с фреймворком градиентного бустинга LightGBM для использования больших объемов неразмеченных табличных данных. Предварительная задача самообучения — такая как предсказание маскированных признаков или исправление с помощью контрастивного обучения — генерирует богатые представления признаков или псевдо-метки, которые затем используются для обучения или дообучения модели LightGBM, существенно улучшая производительность в условиях дефицита меток.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30. link ↗
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Self-Supervised Learning. Proceedings of the 37th International Conference on Machine Learning (ICML). link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/ru/machine-learning/self-supervised-lightgbm
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.
- Градиентный бустингМашинное обучение↔ compare
- LightGBMМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- LightGBM с частичной разметкойМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →