کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6937929 1449891 2018 42 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Review of ensembles of multi-label classifiers: Models, experimental study and prospects
ترجمه فارسی عنوان
بررسی مجموعه ای از طبقه بندی های چند لایک: مدل ها، مطالعات تجربی و چشم انداز
کلمات کلیدی
طبقه بندی چند لایک، روش های گروهی،
ترجمه چکیده
توجه زیادی که جامعه علمی به یادگیری چند لایحه در سال های اخیر داده شده است، موجب توسعه تعداد زیادی از روش ها شده است، که بسیاری از آنها بر اساس مجموعه ها است. مقایسه وضعیت هنر در مجموعه های طبقه بندی چند لیست در مجموعه گسترده ای از 20 مجموعه داده ها در این مقاله انجام شده است و عملکرد آنها را بر اساس ویژگی های مجموعه داده ها مانند عدم تعادل، وابستگی بین برچسب ها ارزیابی می کند. و ابعاد. در هر مورد، پیشنهاد می شود که بهترین الگوریتم را انتخاب کنید. علاوه بر این، با توجه به فقدان طبقه بندی گروه های طبقه بندی چند لایک، طبقه بندی جدید برای این روش ها پیشنهاد شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
بررسی مجموعه ای از طبقه بندی های چند لایک: مدل ها، مطالعات تجربی و چشم انداز
چکیده انگلیسی
The great attention given by the scientific community to multi-label learning in recent years has led to the development of a large number of methods, many of them based on ensembles. A comparison of the state-of-the-art in ensembles of multi-label classifiers over a wide set of 20 datasets have been carried out in this paper, evaluating their performance based on the characteristics of the datasets such as imbalance, dependence among labels and dimensionality. In each case, suggestions are given to choose the algorithm that fits best. Further, given the absence of taxonomies of ensembles of multi-label classifiers, a novel taxonomy for these methods is proposed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Fusion - Volume 44, November 2018, Pages 33-45
نویسندگان
, , , ,