用于多标签学习的动态分类器链
机器学习
2020-01-08 v2 机器学习
摘要
在本文中，我们处理为多标签分类构建链式分类器动态集成的问题。为此，我们提出了两种分类器链算法的概念，能够在无需重建整个模型的情况下改变链的标签顺序。这种模式允许在不显著增加计算负担的情况下预测实例特定的链顺序。所提出的链模型使用朴素贝叶斯分类器和最近邻方法作为基单标签分类器构建。为利用所提算法的优势，我们开发了一种简单启发式方法，使系统能够找到相对较好的标签顺序。该启发式根据验证阶段获得的标签特定分类质量对标签排序。该启发式试图最小化链中错误传播现象。实验结果表明，基于朴素贝叶斯分类器和上述启发式的所提模型是构建动态链分类器的有效工具。
引用
@article{arxiv.1710.07491,
title = {Dynamic classifier chains for multi-label learning},
author = {Pawel Trajdos and Marek Kurzynski},
journal= {arXiv preprint arXiv:1710.07491},
year = {2020}
}