关于多标签分类器集成中的聚合
机器学习
2020-12-09 v1 机器学习
摘要
尽管文献中已提出多种用于多标签分类的集成方法，但如何聚合集成中各个成员的预测这一问题迄今鲜受关注。在本文中，我们引入多标签集成分类的形式化框架，其中区分两种主要方法：“先预测后组合”（PTC），即集成成员先做出使损失最小化的预测，随后将其组合；以及“先组合后预测”（CTP），其先聚合诸如来自各个集成成员的边际标签概率等信息，再由该聚合导出预测。两种方法均推广了多标签集成常用的投票技术，并允许显式考虑目标性能度量。因此，CTP 与 PTC 的具体实例化可针对具体损失函数定制。在实验中，我们表明标准投票技术确实被合适的 CTP 与 PTC 实例化所超越，并提供证据表明 CTP 对可分解损失函数表现良好，而 PTC 是非可分解损失的更好选择。
引用
@article{arxiv.2006.11916,
title = {On Aggregation in Ensembles of Multilabel Classifiers},
author = {Vu-Linh Nguyen and Eyke Hüllermeier and Michael Rapp and Eneldo Loza Mencía and Johannes Fürnkranz},
journal= {arXiv preprint arXiv:2006.11916},
year = {2020}
}
备注
14 pages, 2 figures