【笔记】A Review on Multi-Label Learning Algorithms
2016-04-16 19:56
441 查看
本文可分为五个部分,INTRODUCTION中包括对Multi-label问题的非正式定义,应用范围介绍,近年国际会议和期刊中该领域论文录用和发表的情况,最后介绍了本文的结构。THE PARADIGM中包括对对Multi-Label learning问题的正式定义和常用的评价指标。LEARNING ALGORITHMS中介绍了用于Multi-Label Learning问题的主要算法,并且常用算法分成了两类:Problem Transformation Methods和Algorithm Adaptation Methods,前者的思路是将Multi-Label问题转化为传统的分类问题,后者的思路是将分类问题的算法改进为能处理Multi-Label问题的算法。Related Learning Settings中介绍了Multi-Label Learning的一些相关知识。最后Conclusion对全文进行了一次总结。
相关文章推荐
- mongo入门--基本参数配置
- 研究Golang
- 算法导论习题:10.2-7 in Go语言
- UVa 11292 Dragon of Loowater
- Google自己的下拉刷新组件SwipeRefreshLayout
- google vr开源 cardboard
- Django short url
- golang中文路径的问题
- 我的第一个Go程序
- CodeForces 559A Gerald's Hexagon
- [树上倍增] BZOJ 4281 [ONTAK2015]Związek Harcerstwa Bajtockiego
- Google Code Jam 2016 Round 1A
- 归并排序的分治算法与时间复杂度分析
- 【Leetcode】:242. Valid Anagram问题 in Go语言
- glog的二次封装
- tango with django ch7 MTV
- Code Forces Bear and Forgotten Tree 3 639B
- Code Forces Bear and Forgotten Tree 3 639B
- 算法Sedgewick第四版-第1章基础-002一些工具类算法(Euclid’s algorithm)
- 关于Google Chrome 浏览器的一些命令及用法