LightGBM i vetë-mbikëqyrur
LightGBM i vetë-mbikëqyrur kombinon paradigmën e të mësuarit të vetë-mbikëqyrur me kuadrin e rritjes së gradientit LightGBM për të shfrytëzuar vëllime të mëdha të të dhënave tabelare të paetiketuara. Një detyrë pretekst e vetë-mbikëqyrur — si parashikimi i veçorive të maskuara ose korrupsioni kontrastiv — gjeneron përfaqësime të pasura të veçorive ose pseudo-etiketa që më pas përdoren për të trajnuar ose rregulluar një model LightGBM, duke përmirësuar ndjeshëm performancën në regjimet me pak etiketa.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/sq/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.
- Përmbledhja me Gradient (Gradient Boosting)Mësimi i makinës↔ compare
- LightGBMMësimi i makinës↔ compare
- Mësimi i Vetë-MbikëqyrurMësimi i makinës↔ compare
- LightGBM gjysmë-i mbikëqyrurMësimi i makinës↔ compare
- Mësimi i TransferueshëmMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →