Самокерований випадковий ліс
Самокерований випадковий ліс (SSL-RF) розширює класичний випадковий ліс для випадків, коли мічених прикладів бракує. Ліс спочатку навчається за допомогою автоматично згенерованих псевдоміток, отриманих із самокерованого попереднього завдання — такого як передбачення перетворень даних або маскованих ознак — а потім вдосконалюється на будь-яких доступних справжніх мітках, поєднуючи ефективність міток самокерованого навчання з надійністю ансамблевих дерев.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/uk/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.
- Дерево рішеньМашинне навчання↔ compare
- Label PropagationМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →