多标签分类器准确性评估方法的研究

• 作者: 杨帆 秦锋 程泽凯 黄俊
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 准确率评估 分类器评估 二类分类 多标签分类
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 46-49
• 页数: 4页
• 分类号: TP311
• 字数: 3761字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.01.013

摘要

分类是数据挖掘领域研究的核心技术之一,分类器性能评估方法也是众多学者的研究热点之一.以往的分类器性能评估方法一般针对于单标签数据集,对于多标签问题并未涉及.文中主要针对多标签分类问题的单实例情况，提出了一种多标签分类准确性评估方法(EMOSIML).该方法的思路是:如果分类器对一个多标签对象预测的类别标签是其属于的多个类别标签中的任何一个,则分类结果都是正确的.该方法用C#编程实现,并对朴素贝叶斯分类器进行分类器性能评估实验,实验结果表明,EMOSIML评估方法较传统的准确率评估方法更合理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦锋	安徽工业大学计算机学院	81	783	15.0	25.0
2	程泽凯	安徽工业大学计算机学院	51	532	9.0	22.0
3	黄俊	安徽工业大学计算机学院	7	27	2.0	5.0
4	杨帆	安徽工业大学计算机学院	11	38	3.0	6.0