- 博客(3)
- 收藏
- 关注
RSS订阅翻译 论文笔记（三）——A Review on Multi-Label Learning Algorithms
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。...
2022-07-30 16:37:44
691
翻译 论文笔记（二）——A Review on Multi-Label Learning Algorithms
1）简单的分类传统监督学习的指标准确度、F值、ROC曲线下面积（AUC）等，然而多标签学习中性能评估要比传统的单标签设置复杂得多。因此，提出一些针对多标签学习的评估指标，它们可分为两类基于实例的指标、基于标签的指标。4）理论结果鉴于公平和公正的评估，多标签学习算法的性能因此应该在广泛的指标上进行测试，而不是仅在被优化的指标上进行测试。该指标表明了样本预测标签集中，预测正确的标签的隶属度低于预测错误的标签的隶属度的可能性。汉明损失评估错误分类的实例标签对的比例，即遗漏的相关标签或预测了不相关标签。...
2022-07-29 14:43:18
323
翻译 论文笔记（一）——A Review on Multi-Label Learning Algorithms
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'')。...
2022-07-29 09:48:48
329
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人