基于随机方法的可扩展多标签预测
机器学习
2015-04-22 v2
摘要
在多标签分类中，对输出之间的依赖性进行建模是一个根本性挑战。在这项工作中，我们表明，一种通用的正则化非线性映射，能够将独立预测转化为联合预测，足以在各种基准问题上实现最先进的性能。关键在于，我们在 Incorporating 低秩和平滑正则化的同时，无需获得任何独立预测即可计算联合预测。我们通过利用用于矩阵分解和核近似的随机算法实现了这一目标。此外，我们的技术适用于多类设置。我们将该方法应用于各种多类和多标签数据集，获得了最先进的结果。
引用
@article{arxiv.1502.02710,
title = {Scalable Multilabel Prediction via Randomized Methods},
author = {Nikos Karampatziakis and Paul Mineiro},
journal= {arXiv preprint arXiv:1502.02710},
year = {2015}
}