面向代价敏感在线多标签分类的动态主投影方法
机器学习
2019-02-07 v2
摘要
我们研究多标签分类（MLC）中三个重要的现实问题：在线更新、标签空间降维（LSDR）与代价敏感性。现有 MLC 算法尚未被设计用于同时解决这三个问题。本文提出一种新颖算法——代价敏感动态主投影（CS-DPP），可一并解决上述三方面问题。CS-DPP 的基础是源自一种主流 LSDR 算法的在线 LSDR 框架。具体而言，CS-DPP 配备了一个受矩阵随机梯度启发的有效在线降维器，并与精心设计的在线回归学习器结合时建立了其理论支柱。此外，CS-DPP 将代价信息嵌入标签权重以实现代价敏感性，并附有理论保证。实验结果验证，CS-DPP 在不同评价标准下均比现有 MLC 算法具有更优的实际性能，并表明了同时解决这三个问题的重要性。
引用
@article{arxiv.1711.05060,
title = {Dynamic Principal Projection for Cost-Sensitive Online Multi-Label Classification},
author = {Hong-Min Chu and Kuan-Hao Huang and Hsuan-Tien Lin},
journal= {arXiv preprint arXiv:1711.05060},
year = {2019}
}