Pylli i rastësishëm i vetë-mbikëqyrur
Pylli i rastësishëm i vetë-mbikëqyrur (SSL-RF) zgjeron pyllin klasik të rastësishëm në skenarë ku shembujt e shënuar janë të pakët. Pylli fillimisht trajtohet duke përdorur pseudo-etiketa të gjeneruara automatikisht, të rrjedhura nga një detyrë paraprake vetë-mbikëqyrëse — siç është parashikimi i transformimeve të të dhënave ose tipareve të maskuara — dhe më pas rafinuar mbi çdo etiketë të vërtetë të disponueshme, duke bashkuar efikasitetin e etiketimit të mësimit vetë-mbikëqyrës me qëndrueshmërinë e pemëve ansambël.
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
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/sq/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.
- Pemët e vendimmarrjesMësimi i makinës↔ compare
- Propagimi i EtiketimeveMësimi i makinës↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- Mësimi i Vetë-MbikëqyrurMësimi i makinës↔ compare
- Mësimi Gjysmë i MbikëqyrurMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →