Náhodný les so sebou samým riadeným učením
Náhodný les so sebou samým riadeným učením (SSL-RF) rozširuje klasický náhodný les na situácie, kde sú označené príklady vzácne. Les sa najprv trénuje pomocou automaticky generovaných pseudoznačiek odvodených z predtextovej úlohy so sebou samým riadeným učením – napríklad predpovedanie transformácií dát alebo maskovaných príznakov – a potom sa dolaďuje na akýchkoľvek dostupných skutočných značkách, čím spája efektívnosť značiek zo sebou samým riadeného učenia s robustnosťou ansámblových stromov.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/sk/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.
- Rozhodovací stromStrojové učenie↔ compare
- Propagácia štítkovStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →