Классификация по нескольким меткам

От / / Оставьте комментарий

Классификация с несколькими этикетками Основы классификации с несколькими метками Классификация с несколькими метками — это задача классификации, в которой каждый […]

Classification algorithms, Алгоритмы классификации

Классификация с несколькими этикетками

  • Основы классификации с несколькими метками

    • Классификация с несколькими метками — это задача классификации, в которой каждый экземпляр данных может иметь несколько меток. 
    • Алгоритмы классификации с несколькими метками используются для обработки данных, где каждый экземпляр может иметь несколько меток. 

  • Методы классификации с несколькими метками

    • Алгоритмы классификации с несколькими метками могут быть основаны на деревьях решений, случайном лесу, опорных векторах, нейронных сетях и других методах. 
    • Методы классификации с несколькими метками включают методы голосования, методы на основе деревьев решений и методы на основе ансамблей. 

  • Онлайн-обучение и классификация потоков данных

    • Онлайн-алгоритмы классифицируют данные в потоках, обновляя модель на основе новых данных. 
    • Классификация потоков данных включает методы, основанные на онлайн-пакетировании и ADWIN Bagging. 

  • Оценка эффективности и показатели

    • Для оценки эффективности классификации с несколькими метками используются показатели, такие как потеря Хэмминга и индекс Жаккарда. 
    • Существуют различные методы стратифицированной выборки для перекрестной проверки в задачах с несколькими метками. 

  • Реализации и наборы данных

    • Существуют реализации алгоритмов с несколькими метками в различных программных пакетах, включая Mulan, Meka, scikit-learn и R-пакет mlr. 
    • Список часто используемых наборов данных с несколькими метками доступен на веб-сайте Mulan. 

Полный текст статьи:

Классификация по нескольким меткам — Википедия

Похожие статьи:

  1. Масштабирование Платта Масштабирование по Платту Контролируемое обучение Обучение с учителем, где данные классифицируются с помощью заранее определенных правил. ...
  2. Автоматизированное машинное обучение Автоматизированное машинное обучение Основные подходы к машинному обучению Контролируемое обучение: обучение с заранее определенными метками для...
  3. Машина векторов релевантности Векторная машина релевантности Основные методы машинного обучения Контролируемое обучение: обучение с заранее определенными метками для классификации...
  4. Ю-Нет U-Образная сетка Контролируемое обучение Обучение с заранее определенными целями и критериями оценки.  Включает методы, такие как...
  5. Архитектура потока данных Архитектура потока данных Основы архитектуры потоков данных Архитектура потоков данных отличается от традиционной архитектуры фон Неймана...
  6. Масштабирование функций Масштабирование объектов Контролируемое обучение Обучение с заранее определенными целями и критериями оценки.  Включает методы классификации, регрессии,...
  7. Маркированные данные Помеченные данные Контролируемое обучение Обучение с заранее определенными метками для обучения моделей.  Включает классификацию, генеративное моделирование,...
  8. Таксономия Таксономия Классификация и ее значение Классификация — это процесс упорядочивания объектов в группы на основе общих...
  9. Международная конференция по машинному обучению Международная конференция по машинному обучению Основные подходы к обучению в ИИ Контролируемое обучение: обучение с заранее...
  10. Сегментация изображений Сегментация изображения Обзор методов сегментации изображений Методы сегментации основаны на различных подходах, включая статистические, геометрические, итерационные,...
  11. Классификация документов Классификация документов Классификация документов Проблема классификации документов в библиотечном деле, информатике и вычислительной технике  Классификация может...
  12. Классификация библиотек Библиотечная классификация История и развитие библиотечной классификации Библиотечная классификация возникла в Древней Греции и Риме, где...
  13. Повышение (машинное обучение) Бустинг (машинное обучение) Основы повышения эффективности Повышение эффективности — это метод улучшения точности классификатора путем объединения...
  14. Программирование потоков данных Программирование потоков данных Основы программирования потоков данных Потоки данных — это парадигма программирования, которая фокусируется на...
  15. Экземпляр (информатика) Пример (информатика) Определение экземпляра в информатике Экземпляр — это вхождение программного элемента, основанное на типе.  Создание...
  16. Машинное обучение на основе правил Машинное обучение на основе правил Основные подходы к машинному обучению Контролируемое обучение: обучение с заранее определенными...
  17. Список наборов данных для исследований в области машинного обучения Список наборов данных для исследований в области машинного обучения Контролируемое обучение Обучение с заранее подготовленными данными,...

Оставьте комментарий

Прокрутить вверх