基于样本差异的多标签分类器评价标准预估

• 作者: 余圣波 张敏
• 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
• 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

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。

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