Samo-riadené učenie LightGBM
Samo-riadené učenie LightGBM kombinuje paradigmu samo-riadeného učenia s rámcom gradientového zosilňovania LightGBM na využitie veľkých objemov neoznačených tabuľkových dát. Predtextová úloha samo-riadeného učenia – ako je predikcia maskovaných príznakov alebo kontrastná korupcia – generuje bohaté reprezentácie príznakov alebo pseudo-označenia, ktoré sa potom používajú na trénovanie alebo dolaďovanie modelu LightGBM, čím sa podstatne zlepšuje výkon v režimoch s nedostatkom označení.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/sk/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.
- Gradient BoostingStrojové učenie↔ compare
- LightGBMStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Polosupervidovaný LightGBMStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →