基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
评价标准是分类器的重要指标。对于多标签学习,常用的评价标准有 Hamming Loss、One-error、Coverage、Ranking loss 和Average precision。多标签分类器给出分类结果的同时并未给出评价标准值,通常采用事后验算的方法评估评价标准。这样往往不能及时有效地发现评价标准值变化之类的问题,同时评估评价标准值需对测试样本进行标记。针对这一问题,分别从样本分布差异和样本实例间差异提出两种评价标准预估方法。分析上述两种方法的特点,提出第三种评价标准预估方法。实验表明,这三种评价标准预估方法具有良好效果,可用于迁移学习等。
推荐文章
基于平均期望间隔的多标签分类主动学习方法
多标签
后验概率
期望间隔
主动学习
支持向量机
分类器性能评价标准研究
分类
性能评价
ROC
AUC
基于深度示例差异化的零样本多标签图像分类*
零样本学习
多标签分类
跨模态映射
多示例学习
构造样本k近邻数据的多标签分类算法
多标签分类
Logistic回归
k近邻
Markov边界
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于样本差异的多标签分类器评价标准预估
来源期刊 计算机应用与软件 学科 工学
关键词 多标签学习 评价标准 样本分布 样本实例 线性拟合
年,卷(期) 2016,(9) 所属期刊栏目 算 法
研究方向 页码范围 273-278
页数 6页 分类号 TP3
字数 6860字 语种 中文
DOI 10.3969/j.issn.1000-386x.2016.09.064
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张敏 重庆大学计算机学院软件理论与技术重庆市重点实验室 53 265 9.0 13.0
2 余圣波 重庆大学计算机学院软件理论与技术重庆市重点实验室 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多标签学习
评价标准
样本分布
样本实例
线性拟合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导