【笔记】A Review on Multi-Label Learning Algorithms

el/2024/5/23 2:32:54

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,并且常用算法分成了两类:Problem Transformation Methods和Algorithm Adaptation Methods,前者的思路是将Multi-Label问题转化为传统的分类问题,后者的思路是将分类问题的算法改进为能处理Multi-Label问题的算法。Related Learning Settings中介绍了Multi-Label Learning的一些相关知识。最后Conclusion对全文进行了一次总结。


http://www.ngui.cc/el/5239424.html

相关文章

【笔记】A Generic Multilabel Learning-Based Classification Algorithm Recommendation Method

1.介绍 人们对于数据知识学习有着越来越多的要求,研究者基于不同的假设空间提出了许多学习算法。同时,许多更新、更好的算法也在不断被提出。 但是一些已得出的实验结果表明,没有一种具体的算法,可以很好地适用于于现存的所有学…

人工神经网络本质理解

一、基本变换:层 1、每一层的数学表达: y⃗ f(W⃗ ⋅x⃗ b) ,其中 x⃗ 是输入向量, y⃗ 是输出向量, b⃗ 是偏移向量, W⃗ 是权重矩阵, f() 是激活函数。每一层仅仅是把输入 x⃗ 经过如…

多标签学习求解策略及方法

一、求解策略 按照考察类别标签之间相关性所采用方式的不同,已有的多标签学习问题的求解策略大致可以分成以下三大类: 1、“一阶”策略:依次考察每个类别标签,将多标签学习问题分解成为若干个独立的二类分类问题来进行求解&…

什么是元、元数据、元分类器?

元(meta),一般被翻译成“关于……的……” Meta-Classifier 关于分类器的分类器,通常是主分类器的代理,用于提供附加的数据预处理。(如Bagging,Stacking,Vote等) A classifier, which is usua…

python下包文件的删除

python setup.py install --record files.txt #记录安装后文件的路径 cat files.txt | xargs rm -rf #删除这些文件

LU/PLU分解

一、简介 在线性代数中, LU分解(LU Decomposition)是矩阵分解的一种,可以将一个矩阵分解为一个单位下三角矩阵和一个上三角矩阵的乘积(有时是它们和一个置换矩阵的乘积)。LU分解主要应用在数值分析中,用来解线性方程、…

Jacobi Gauss-Seidel迭代法

一、简介 考虑线性方程组Ax b时,一般当A为低阶稠密矩阵时,用主元消去法解此方程组是有效方法。但是,对于由工程技术中产生的大型稀疏矩阵方程组(A的阶数很高,但零元素较多,例如求某些偏微分方程数值解所产…

Newton法、弦截法

一、简介 牛顿迭代法(Newton’s method)又称为牛顿-拉夫逊(拉弗森)方法(Newton-Raphson method),它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。多数方程不存在求根公式&a…

复化求积公式

一、简介 复化求积公式(composite integration rule )一类重要的求积公式,指将求积区间分为n个子区间,对每个子区间应用同一求积公式,所得到的复合数值积分公式。 详解 二、实现 # -*- coding: utf-8 -*- """ Created on …

Gauss型求积公式

一、简介 高斯求积公式是变步长数值积分的一种,基本形式是计算[-1,1]上的定积分。理论证明对于 n个节点的上述求积公式,最高有 2n - 1 次的代数精度,高斯公式就是使得上述公式具有 2n - 1次代数精度的积分公式。 详解 二、实现 # -*- cod…