Logistická regresia so samoučiacim sa učením
Logistická regresia so samoučiacim sa učením je dvojstupňový proces, v ktorom sa neurónový enkodér najprv trénuje na rozsiahlych neoznačených dátach prostredníctvom predtextovej úlohy samoučiacim sa učením – napríklad kontrastívnym učením alebo maskovaným predikovaním – a potom sa zamrznuté naučené reprezentácie klasifikujú pomocou štandardného modelu logistickej regresie trénovaného na malej označenej dátovej sade. Tento protokol lineárneho hodnotenia sa široko používa na porovnávanie kvality reprezentácií získaných samoučiacim sa učením.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/sk/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.
- Logistická regresia (ML)Strojové učenie↔ compare
- Samo-riadený rozhodovací stromStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Logistická regresia s čiastočným dohľadomStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →