MLC_LSDR: 多标签分类中若干标签空间降维技术的实现
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本文介绍了在多标签分类任务中几种有效的标签空间降维方法，并实现了这些技术，以提高模型性能和效率。
该程序包含五种线性标签空间转换的方法来减少多标签分类中的标签空间维度。这些方法所使用的基础学习器是带有固定正则化参数的正则线性回归模型。
所有方法的具体细节如下：
1. 与随机丢弃二进制相关性的BR（Binary Relevance）。
2. 主要标签空间变换PLST，详见林玄天和陈耀南的研究成果“具有主标签空间转换的多标签分类”，发表于《神经计算》，第24卷9期，页码：2508--2542，出版日期为2012年9月。
3. 条件主标签空间变换CPLST，在陈耀南和林玄天的研究成果“减少特征识别的标签空间尺寸以实现多标签分类”中被提出，并收录于《神经信息处理系统的进展：2012年会议记录（NIPS）》，页码为第1538--1546，出版日期是2012年12月。
4. 感知功能的隐式标签空间编码FaIE，在林子嘉、丁桂光、胡明清和王建民的研究成果“通过特征感知隐式标签空间编码进行多标签分类”中被提出。该研究成果发表于第31届国际机器学习会议（ICML）。
另外，还有一个列子集选择问题CSSP的方法也被提及。
全部评论 (0)
还没有任何评论哟~
