Multi-label methods for prediction with sequential data

تعدادی از روش های موجود برای طبقه بندی داده های چند برچسب در سال های اخیر به سرعت در حال افزایش است، با این حال تعداد کمی از لینک ها با انجام وظیفه مربوط به طبقه بندی داده های متوالی ساخته شده است. اگر شاخص های برچسب به عنوان شاخص های زمان در نظر گرفته شوند، مشکالت اغلب می توانند معادل باشند. در این مقاله، ارتباطات بین روش های چند لایک و مدل مارکوویچ را شناسایی و تفسیر می کنیم و به بررسی مناسب بودن روش های چند لایک برای پیش بینی در داده های متوالی می پردازیم. از این مطالعه، ما از تکنیک های مناسب تر از منطقه استفاده می کنیم و دو رویکرد رقابتی جدید را که می توان به هر دو نوع داده ها اعمال کرد. ما یک ارزیابی تجربی ارزیابی عملکرد در وظایف پیش بینی متوالی در دنیای واقعی: تقاضای برق و پیش بینی مسیر انجام می دهیم. همچنین نشان می دهد که چندین الگوریتم های محبوب چند برچسب در واقع به راحتی برای انجام وظایف توالی استفاده می شوند، رویکرد رمان های ما که از دید یکپارچه از این زمینه ها سود می برند، بسیار سازگار با روش های ثابت شده است.