多标签分类算法技术细节笔记

本文探讨了多标签分类中的阈值函数概念及其类型,包括常数阈值函数和基于训练集的阈值函数,并介绍了tanh激活函数的优化形式,旨在提高计算效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一:多标签分类算法阈值函数(Threshold Calibration)

这里的阈值函数是指:对于每一个标签的预测值,当它达到多少时被判定为此标签存在,小于多少时被判定为词标签不存在。
主要有两种阈值函数:常数阈值函数和基于训练集的阈值函数。

1. 常数阈值函数

常见的选择为0或者0.5。比如取0.5,当给定标签预测值大于它时,被判定为存在,反之不存在。

2. 基于训练集的阈值函数

二:多标签分类评价指标

这里写图片描述

三:tanh激活函数的优化

它的原始公式为:(Math.exp(x) - Math.exp(-x)) / (Math.exp(x) + Math.exp(-x))
为了提高运行效率:转化为2.0 / (1.0 + Math.exp(-2.0 * inputValue)) - 1.0
它们作了等价变换。

。。。未完结

参考文献

[1] Zhang M L, Zhou Z H. A Review on Multi-Label Learning Algorithms[J]. IEEE Transactions on Knowledge & Data Engineering, 2014, 26(8):1819-1837.

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值