Självövervakad logistisk regression
Självövervakad logistisk regression är en tvåstegspipeline där en neural kodare först tränas på rikligt med omärkt data genom en självövervakad förtextuppgift — såsom kontrastiv inlärning eller maskerad prediktion — och sedan klassificeras de frysta inlärda representationerna med en standard logistisk regressionsmodell tränad på en liten märkt datamängd. Detta linjära utvärderingsprotokoll används ofta för att benchmarka kvaliteten på självövervakade representationer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Representation Learning with Logistic Regression Classifier. ScholarGate. https://scholargate.app/sv/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.
- Logistisk regression (ML)Maskininlärning↔ compare
- Self-supervised Decision TreeMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-övervakad logistisk regressionMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →