亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多標(biāo)記學(xué)習(xí)算法的簡要概述

        2019-09-10 07:22:44李星星
        青年生活 2019年28期
        關(guān)鍵詞:機器學(xué)習(xí)

        李星星

        摘要:在如今的機器學(xué)習(xí)領(lǐng)域內(nèi),不再是簡單的單標(biāo)記算法,其對象(樣本)具有多個語義(多個類標(biāo))。像這樣的樣本數(shù)據(jù)可看作為多標(biāo)記數(shù)據(jù)樣本,所對應(yīng)的學(xué)習(xí)方法稱之為多標(biāo)記學(xué)習(xí)(Multi-label learning)法。

        關(guān)鍵詞:機器學(xué)習(xí);單標(biāo)記學(xué)習(xí);多標(biāo)記學(xué)習(xí)

        一、多標(biāo)記學(xué)習(xí)概述

        在傳統(tǒng)的機器學(xué)習(xí)領(lǐng)域內(nèi),大多數(shù)的樣本都僅僅只有一個語義,即僅僅和其中的一個類標(biāo)相互關(guān)聯(lián),而且類與類之間也是互相排斥的,這種學(xué)習(xí)方法稱之為單標(biāo)記學(xué)習(xí)( Single- label learning),所對應(yīng)的數(shù)據(jù)集則為單標(biāo)記數(shù)據(jù)集。單標(biāo)記學(xué)習(xí)也稱之為傳統(tǒng)的監(jiān)督學(xué)習(xí)(單示例、單標(biāo)記)。更加形式化來講,可令X為樣本空間,Y為類標(biāo)空間,那么機器學(xué)習(xí)的任務(wù)就是要從數(shù)據(jù)集中學(xué)到映射函數(shù),其中為某一個樣本,而則為樣本Xi所對應(yīng)的類屬屬性,傳統(tǒng)的單標(biāo)記學(xué)習(xí)框架如圖1(a)圖所示。

        二、多標(biāo)記學(xué)習(xí)的評價準(zhǔn)則

        隨著機器學(xué)習(xí)的不斷發(fā)展,傳統(tǒng)的單標(biāo)記學(xué)習(xí)方法已經(jīng)發(fā)展的很成熟,并且已逐漸向多標(biāo)記學(xué)習(xí)模型轉(zhuǎn)變。為了判斷整個學(xué)習(xí)模型性能的好壞,通常用一些評價準(zhǔn)則來表述。一些經(jīng)典的單標(biāo)記評判準(zhǔn)則諸如,精度(Accuracy), 查準(zhǔn)率(Precision), 召回率(Recall)以及F值(F-value)等被廣泛應(yīng)用在單標(biāo)記學(xué)習(xí)過程中。然而,在現(xiàn)實世界的多標(biāo)記學(xué)習(xí)系統(tǒng)中,每一個對象(樣本)有一個或者更多的類標(biāo),這將導(dǎo)致那些經(jīng)典的單標(biāo)記評價準(zhǔn)則無法很好的應(yīng)用在多標(biāo)記學(xué)習(xí)模型中。因此,自多標(biāo)記學(xué)習(xí)的快速發(fā)展以來,學(xué)術(shù)領(lǐng)域內(nèi)呈現(xiàn)出了大量的關(guān)于多標(biāo)記學(xué)習(xí)算法的評判準(zhǔn)則。對于多標(biāo)記學(xué)習(xí)模型性能的評價,本文也同樣采用了Average Precision (AP), Coverage (CV), Hamming Loss (HL), One Error (OE) and Ranking Loss (RL)五個多標(biāo)記評價指標(biāo)來對整個體系進行分析[1-2]。

        假設(shè)一個多標(biāo)記分類器為,對于任意一個樣本Xi均會被這個分類器預(yù)測為一個二值向量。值得注意的是,從多標(biāo)記學(xué)習(xí)系統(tǒng)中所獲得的實質(zhì)函數(shù)f(.0)經(jīng)常會被轉(zhuǎn)變?yōu)轭悩?biāo)排名函數(shù)rank(f.),但是其趨勢正好是相反的,舉一個案例對其進行解釋。比如說,對于某一個樣本Xi.Xi同時擁有類標(biāo)l l1,即l l1∈L,現(xiàn)假設(shè), 那么。本論文中,筆者引進兩套評價準(zhǔn)則來計算多標(biāo)記學(xué)習(xí)系統(tǒng)的性能。第一套評價準(zhǔn)則是基于分類的評價指標(biāo),如Hamming Loss (HL);另一套評價標(biāo)準(zhǔn)則是根據(jù)類標(biāo)排名而來的,包括Average Precision (AP), Coverage (CV), Ranking Loss (RL) 以及One Error (OE),具體的多標(biāo)記評價準(zhǔn)則如下所述。

        (1)Hamming Loss (HL): 該評判準(zhǔn)則衡量了樣本在單個類標(biāo)上被錯誤歸類的百分比。即對每一個樣本來說,相關(guān)聯(lián)的類標(biāo)被預(yù)測為不相關(guān)的類標(biāo),或者說不相關(guān)的類標(biāo)卻被預(yù)測為相關(guān)的類標(biāo)。HL值越小,整個分類器的預(yù)測性能就越好,尤其是當(dāng)HL值為0時,這時分類器的預(yù)測模型則是完美的。通常來說,其值不為0,總會伴隨著誤差。

        (2)Average Precision (AP): 評判準(zhǔn)則計算了樣本的所有的類標(biāo)中,排在樣本的某個標(biāo)記前的標(biāo)記依然是該樣本的相關(guān)標(biāo)記的比率。評判準(zhǔn)則AP值越大,整個分類器的預(yù)測性能則越優(yōu)越;尤其是當(dāng)AP取值為1時,分類器的性能最優(yōu)越。

        (3)Coverage (CV):該評價指標(biāo)衡量了在樣本測試集上,為了查找到樣本的所有相關(guān)聯(lián)的類標(biāo)所需要遍歷的平均深度。評判準(zhǔn)則CV值越小,分類器的預(yù)測性能越好;尤其是當(dāng)CV取值為0時,分類器的性能最優(yōu)越。

        (4)Ranking Loss (RL):該評價指標(biāo)描述了未被正確排序的類標(biāo)對的平均比率;即樣本無關(guān)聯(lián)的類標(biāo)比有關(guān)聯(lián)類標(biāo)排名更靠前。評判準(zhǔn)則RL值越小,分類器的預(yù)測性能就越好;尤其是當(dāng)RL取值為0時,分類器的性能最優(yōu)越。

        (5)One Error (OE): 該評判準(zhǔn)則描述了在樣本所有的預(yù)測類標(biāo)排序中,排名最靠前的類標(biāo)并非樣本相關(guān)聯(lián)的類標(biāo)所占的比率。One Error也是傳統(tǒng)的分類誤差。評判準(zhǔn)則OE值越小,分類器的預(yù)測性能就越好;尤其是當(dāng)OE值取0時,該分類器的分類性能最優(yōu)越。

        從不同的角度上來分析,以上的所有多標(biāo)記評價標(biāo)準(zhǔn)在判斷多標(biāo)記學(xué)習(xí)算法的性能中扮演著關(guān)鍵性的作用。

        參考文獻

        [1] Zhang M L, Zhou Z H. ML-KNN: A lazy learning approach to multi-label learning[J]. Pattern Recognition, 2007, 40(7): 2038-2048.

        [2] Zhang, Minling, Jos, et al. Feature selection for multi-label naive Bayes classification[J]. Information Sciences, 2009, 179(19): 3218-3229.

        猜你喜歡
        機器學(xué)習(xí)
        基于詞典與機器學(xué)習(xí)的中文微博情感分析
        基于機器學(xué)習(xí)的圖像特征提取技術(shù)在圖像版權(quán)保護中的應(yīng)用
        基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析
        時代金融(2016年27期)2016-11-25 17:51:36
        前綴字母為特征在維吾爾語文本情感分類中的研究
        下一代廣播電視網(wǎng)中“人工智能”的應(yīng)用
        活力(2016年8期)2016-11-12 17:30:08
        基于支持向量機的金融數(shù)據(jù)分析研究
        基于Spark的大數(shù)據(jù)計算模型
        基于樸素貝葉斯算法的垃圾短信智能識別系統(tǒng)
        基于圖的半監(jiān)督學(xué)習(xí)方法綜述
        機器學(xué)習(xí)理論在高中自主學(xué)習(xí)中的應(yīng)用
        好大好湿好硬顶到了好爽视频| 国产区高清在线一区二区三区| 偷拍一区二区三区黄片| 日本无遮挡真人祼交视频| 亚洲免费网站观看视频| 久久精品国产99久久丝袜| 日本精品人妻一区二区三区| 亚洲av日韩一区二区| 亚洲日本一区二区一本一道| 欧美一级在线全免费| 用力草我小逼视频在线播放| 亚洲成人av在线第一页| 国语对白做受xxxxx在线| 91老司机精品视频| av在线男人的免费天堂| 国产高清成人在线观看视频| 少妇被猛男粗大的猛进出| 亚洲电影中文字幕| 亚洲无人区一码二码国产内射| 狠狠色噜噜狠狠狠8888米奇| 国产午夜精品久久久久免费视| 亚洲精品一区网站在线观看| 亚洲综合中文日韩字幕| 中国午夜伦理片| 免费无码成人av在线播| 亚洲又黄又大又爽毛片| 中文字幕乱码日本亚洲一区二区 | 国产91熟女高潮一曲区| 日韩在线观看入口一二三四| 久久不见久久见免费影院www| 国产在亚洲线视频观看| 国产一区二区三区四区在线视频| 看久久久久久a级毛片| 人禽无码视频在线观看| 亚洲av天堂久久精品| 国产精品一区二区三区在线蜜桃| 免费观看性欧美大片无片 | 性感人妻一区二区三区| 蜜桃传媒一区二区亚洲av婷婷| 情侣黄网站免费看| 最新国产成人综合在线观看|