多标签分类任务中的贝叶斯元分类器与软混淆矩阵分类器
机器学习
2019-01-28 v1 机器学习
摘要
本文旨在多标签分类框架下比较软混淆矩阵方法与贝叶斯元分类器。尽管这些方法已在多标签分类框架下成功应用,但迄今为止尚未被直接比较。此类比较至关重要,因为两种方法颇为相似,均基于随机化参考分类器的概念。由于两种算法均为处理单标签问题而设计,它们与面向多标签分类的问题转换方法相结合。本研究包含 29 个基准数据集和四种不同的基分类器。这些算法依据 11 项质量准则进行比较,其结果经过了统计分析。
引用
@article{arxiv.1901.08827,
title = {Bayes metaclassifier and Soft-confusion-matrix classifier in the task of multi-label classification},
author = {Pawel Trajdos and Marcin Majak},
journal= {arXiv preprint arXiv:1901.08827},
year = {2019}
}