多标签学习：LIFT: Multi-Label Learning with Label-Specific Features

多标签学习：LIFT: Multi-Label Learning with Label-Specific Features

@(Machine Learning)

Intro

LIFT是张敏灵教授提出的多标签(multi-label)的学习方法。关于multi-label的介绍可以看我这篇博客，其中主要描述了multi-class、multi-label、multi-task的定义和区别。
本人根据论文总结了LIFT算法，并根据提供的matlab语言的code，完成了LIFT算法的Python版本，主要用到了sklearn提供的api，以便我自己使用该算法。

论文原文、论文代码和我重写的Python版本的LIFT代码可以在文末的Source找到

Algorithm

论文给出的伪代码：

根据论文，LIFT可以分为两个步骤：
1. label-specific features construction
2. classification models induction

其中主要的是第一个步骤，构造标签间关系定义的特征，其也可以包括下面的步骤：

1. 将训练样本划分为正类和负类：