一种用于多标签逻辑回归的隐变量方法
机器学习
2019-12-04 v1 机器学习
摘要
多标签分类在文本分类和音乐标注等广泛领域中是一个重要问题。本文提出一种概率模型——带隐变量的多标签逻辑回归（MLRH），通过引入隐变量扩展了标准逻辑回归。隐变量通过放宽独热编码约束，使得超越传统的多类逻辑回归成为可能。我们定义了一种标签与隐变量的新联合分布，从而能够获得一个用于多标签分类的分类器。我们在一组基准数据集上的实验研究表明，该概率模型与其他多标签学习算法相比能够取得具有竞争力的性能。
引用
@article{arxiv.1912.01241,
title = {A Hidden Variables Approach to Multilabel Logistic Regression},
author = {Jaemoon Lee and Hoda Shajari},
journal= {arXiv preprint arXiv:1912.01241},
year = {2019}
}
备注
16 pages