多标签分类，论文：A Review on Multi-Label Learning Algorithms

最新推荐文章于 2024-06-19 16:49:02 发布
最新推荐文章于 2024-06-19 16:49:02 发布
阅读量1.4k 收藏 1
点赞数
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/jingtingxu369/article/details/53143449
本文介绍了多标签学习中的两种核心转换方法：问题转换法（Problemtransform），如二元相关法(Binaryrelevancemethod, BR)，它将一个多标签问题转换为多个二元分类问题；以及算法适配法(Algorithmadapt)，例如ML-kNN等方法。

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

Problem transform，

  • Binary relevance method(BR): BR transforms a multi-label problem into multiple binary problems; one problem for each label.
  • Pairwaise classification approach(PW): a binary model is trained for each pair of labels.

Algorithm adapt，例如：ML-kNN

hahajing369
关注
Multi-label learning 第一周
Kodoo的专栏
11-09 4222
Multi-Label Learning 第一周Multi-Label Learning 第一周 Multi-Label Learning的含义 传统机器学习 多标签学习 Multi-Label Learning 算法 分解为多个单标签问题 标签排序 发现类间内在联系 Multi-Label Learning 算法的评估指标Multi-Label Learning的含义  从今天开始Multi-La
论文笔记（三）——A Review on Multi-Label Learning Algorithms
qq_62337019的博客
07-30 751
对校准标签排名的改进主要集中在减少在测试阶段通过精确修剪或近似剪枝来查询的分类器的二次数目.通过利用底层二进制学习算法B的特性，例如Perceptron的双重表示，可以在训练阶段更加有效地诱导二次分类器。该算法的主要思想就是将多标签学习问题转化为多类分类问题的集合，其中集合中的每个组件学习者都针对Y的随机子集学习，这个多类分类器由LabelPowerset技术引入。比如改编懒学习，决策树，核技巧。该算法的基本思想时将多标签学习问题转化为标签排序问题，其中标签之间的排序是通过两两比较技术来完成的。...
A Review on Multi-Label Learning Algorithms - KNN
Zhaohui1995_Yang的专栏
08-29 1294
在多标签分类中，有一种方法就是按照KNN的类似算法去求出每一个维度的结果。也是看周志华老师的review突然就想实现以下，然后实现了一个相当简单的。首先我们需要进行计算的是在近邻数目为k的情况下的贝叶斯分布的可能。也就是，首先对于每一个样本求其近邻，然后按照近邻在这一维度上的分类进行朴素贝叶斯的统计，遇到一个新样本，首先按照最近邻来计算近邻的集合，然后在每一个维度上根据其朴素贝叶斯的统计来进行计算。
多标签学习算法回顾总结-A Review on Multi-Label Learning Algorithms
keepclamcarryonemma的博客
01-21 538
1、Section2多标签学习的基本概念，包括形式定义(学习框架、关键挑战、阈值校准)和评价指标(基于实例、基于标签、理论结果)。主要挑战是输出空间的大小，随着类标签数量的增加，标签集的数量呈指数增长。利用标签之间的相关性 2、Section3对8种具有代表性的多标签学习算法进行了分析和讨论 3、Section4几种相关的学习情境 ...
936-A Review on Multi-Label Learning Algorithms.pdf
03-29
Multi-label learning studies the problem where each example is represented by a single instance while associated with a set of labels simultaneously. During the past decade, significant amount of progresses have been made toward this emerging machine learning paradigm. This paper aims to provide a timely review on this area with emphasis on state-of-the-art multi-label learning algorithms. Firstly, fundamentals on multi-label learning including formal definition and evaluation metrics are given. Secondly and primarily, eight representative multi-label learning algorithms are scrutinized under common notations with relevant analyses and discussions. Thirdly, several related learning settings are briefly summarized. As a conclusion, online resources and open research problems on multi-label learning are outlined for reference purposes.
A Review on Multi-Label Learning Algorithms
weixin_51662487的博客
12-27 1033
多标签学习与传统的监督学习不同的是，多标签学习每个对象与一组标签相关联而不是单个标签，任务是学习一个可以预测未见过的对象的正确标签集的函数 。 本综述主要介绍了多标签学习的一些相关内容，包括相关定义、评价指标、8个多标签算法、相关的其他任务。
A Review on Multi-Label Learning Algorithms笔记
weixin_44695049的博客
03-17 288
1. 这篇综述中主要提到了对于近十几年的多标签分类的工作进度，这篇综述是2014年发表在IEEE上的， 1. 首先，讲的是多标签学习的基础——包括有它的形式定义和评估指标； 2. 其次也是文中最重要的是，将会给出八个代表性的多标签学习算法； 3. 最后，将会给出相关的一些学习设置，同时将会给出领域中的相关研究问题；
One-Error多标签分类_论文阅读11——多标签特征选择
weixin_39854369的博客
10-20 1494
Multi-Label Informed Feature Selection大多数现有的多标签特征选择算法：1）解决多个单标签特征选择问题，2）直接使用不完善的标签，无法找到由多个标签共享的特征。论文提出了多标签信息特征选择框架MIFS，利用标签的相关性来选择多个标签的共享特征。为了减少不好的标签信息在发现标签相关性方面的负面影响，将多标签信息分解为一个低维空间（首先对标签进行降维），然后利用减少...
层级多标签文本分类问题的评价体系及程序
最新发布
wanxueyao的博客
06-19 1713
本期的任务是对层级多标签文本分类问题的评价方法进行研究，并完成相应的程序。最开始以为是一个相当简单的问题，但稍微深入了解了一下，发现是个很有趣的问题。这篇文章整体写得有点乱，想要快速了解可以直接跳到4开始看。层级多标签文本分类问题，英文为Hierarchical-Multilabel-Text-Classification，简称hmtc，但因为并没有一个统一的中文翻译，也有不少人称其为层次多标签文本分类。层级多标签文本分类问题(HMTC)属于层级多标签分类问题(HMC)，尤其是在评价方法上没有任何区别。
【笔记】A Review on Multi-Label Learning Algorithms
MLer
04-16 2485
本文可分为五个部分，INTRODUCTION中包括对Multi-label问题的非正式定义，应用范围介绍，近年国际会议和期刊中该领域论文录用和发表的情况，最后介绍了本文的结构。THE PARADIGM中包括对对Multi-Label learning问题的正式定义和常用的评价指标。LEARNING ALGORITHMS中介绍了用于Multi-Label Learning问题的主要算法，并且常用算法分
多标签(multi-label)数据问题常用的分类器或者分类策略
07-03
目前有很多关于多标签的学习算法，依据解决问题的角度，这些算法可以分为两大类：一是基于问题转化（Problem Transformation）的方法，二是基于算法适应的方法和算法适应方法（Algorithm Adaptation）。基于问题转化的多标记分类是转化问题数据，使之适用现有算法；基于算法适应的方法是指针对某一特定的算法进行扩展，从而能够直接处理多标记数据，改进算法，适应数据。
论文笔记：多标签学习综述（A review on multi-label learning algorithms）
weixin_30437481的博客
07-20 1592
2014 TKDE(IEEE Transactions on Knowledge and Data Engineering) 张敏灵，周志华 简单介绍 传统监督学习主要是单标签学习，而现实生活中目标样本往往比较复杂，具有多个语义，含有多个标签。本综述主要介绍了多标签学习的一些相关内容，包括相关定义，评价指标，8个多标签学习算法，相关的其它任务。 论文大纲 相关定义：学习任务，三种策略 评价指标：...
论文阅读 (十五)：A Review on Multi-Label Learning Algorithms (2013)
因吉的博客
11-02 790
引入   论文地址：http://palm.seu.edu.cn/zhangml/files/TKDE’13.pdf   主要内容：   1）多标签定义及评价指标；   2）具体分析八种代表算法；   3）总结部分学习设置。
A Review on Multi-Label Learning Algorithms.Min-Ling Zhang and Zhi-Hua Zhou（多标记学习算法综述，张敏灵，周志华）
weixin_57070214的博客
07-20 234
这篇论文在知网可以获得，不过还可以在浏览器直接搜英文标题也可获得pdf格式的论文，目前只有英文版的。（若有侵权，联系删除，旨在分享获取知识的渠道）
多标签分类(A Review on Multi-Label Learning Algorithms)
霜叶的博客
05-05 1077
一、multi label是什么？ 传统监督学习主要是单标签学习，而现实生活中目标样本往往比较复杂，具有多个语义，含有多个标签，比如一部电影可以同时被分为喜剧片和动作片，一则新闻可以同时属于政治和法律。 二、多标签任务定义： X=Rd表示d维的输入空间，Y={y1,y2,...,yq}表示带有q个可能标签的标签空间。 训练数据D(xi,yi),xi是一个d维的向...
论文笔记（一）——A Review on Multi-Label Learning Algorithms
qq_62337019的博客
07-29 353
q}使得h（x）={y|rankf（x，y）≤t（x）}这里，当Y中的所有类标签按照f（x，·）降序排列时，rankf（x，y）返回y的等级。一阶策略多标签学习的任务以逐标签的方式处理，忽略和其他标签的相关性，比如将多标签问题分解未许多独立的二分类问题（简单、高效，但由于忽略标签的相关性，有效性可能不是最佳，即泛化性较低）Y，y是x正确标签的置信度。给定一个多标签实例（x,Y），f（·，·）应产生相关标签y'上较大输出和不相关标签y''上较小输出，即f(x,y')>f(x,y'')。...
Multi-Label Learning 笔记一A Review on Multi-Label Learning Algorithms
qq_36822881的博客
04-02 8793
1、定义      定义为d维的实体空间，为q个可能标签的标签空间。multi-label learning就是从multi-label training set中学习函数 。对于每个multi-label example 是一个d维的特征向量，就是与相关的一组标签。对于没有出现过的实体，多标签分类器为x预测出一组合适的标签。2、主要挑战       1、随着标签的增加，输出空间成指数性增长（20...
Multi-Stage Algorithms: A Comprehensive Survey
07-23
"Multi-Stage Algorithms: A Comprehensive Survey"（2017）是一篇综合调查多阶段算法的文章。该文章由Y. Zhang, Y. Han, L. Liu等人撰写，并提供了对多阶段算法的定义、分类、性质、应用领域和未来研究方向的综述。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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