Самокерована LightGBM
Самокерована LightGBM поєднує парадигму самокерованого навчання з фреймворком градієнтного бустингу LightGBM для використання великих обсягів нерозмічених табличних даних. Претекстове завдання самокерованого навчання — таке як передбачення маскованих ознак або контрастивне пошкодження — генерує багаті представлення ознак або псевдо-мітки, які потім використовуються для навчання або доналаштування моделі LightGBM, суттєво покращуючи продуктивність у режимах з дефіцитом міток.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Learning with LightGBM (Gradient Boosting with Self-supervised Pretraining). ScholarGate. https://scholargate.app/uk/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.
- Градiєнтний бустингМашинне навчання↔ compare
- LightGBMМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкерований LightGBMМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →