Rừng Ngẫu nhiên Tự giám sát
Rừng Ngẫu nhiên Tự giám sát (SSL-RF) mở rộng rừng ngẫu nhiên cổ điển cho các thiết lập mà các ví dụ được gán nhãn khan hiếm. Rừng trước tiên được huấn luyện bằng cách sử dụng các nhãn giả tự động tạo ra từ một nhiệm vụ tiền đề tự giám sát — chẳng hạn như dự đoán các phép biến đổi dữ liệu hoặc các đặc trưng bị che giấu — và sau đó được tinh chỉnh trên bất kỳ nhãn thực nào có sẵn, kết hợp hiệu quả sử dụng nhãn của học tự giám sát với sự mạnh mẽ của các cây tập hợp.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Self-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/vi/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.
- Cây Quyết địnhHọc máy↔ compare
- Lan truyền nhãnHọc máy↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Học tăng cường tự giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- XGBoostHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →