| http://dbpedia.org/ontology/abstract
|
Nell'apprendimento automatico la classific … Nell'apprendimento automatico la classificazione multi-etichetta è una variante del problema della classificazione che ammette per ogni istanza l'assegnazione di più di una etichetta-obiettivo. La classificazione multi-etichetta non deve essere confusa con la , che è invece il problema di categorizzare le istanze in una sola tra più di due classi. Ci sono due metodi principali per affrontare il problema della classificazione multi-etichetta:
* i metodi di trasformazione del problema;
* i metodi di adattamento degli algoritmi. Ci sono diversi metodi di trasformazione del problema per la classificazione multi-etichetta: una in comune è la rilevanza binaria dove un classificatore binario è allenato per l'etichetta. Un altro metodo è la trasformazione di combinazioni di etichetta che crea un classificatore binario per ogni possibile combinazione di etichetta; il RAkEL e le catene di classificatori. I metodi di trasformazione del problema sviluppati sono: il Ml-kNN, variante dei classificatori K-nearest neighbors.te dei classificatori K-nearest neighbors.
, In machine learning, multi-label classific … In machine learning, multi-label classification or multi-output classification is a variant of the classification problem where multiple nonexclusive labels may be assigned to each instance. Multi-label classification is a generalization of multiclass classification, which is the single-label problem of categorizing instances into precisely one of several (more than two) classes. In the multi-label problem the labels are nonexclusive and there is no constraint on how many of the classes the instance can be assigned to. Formally, multi-label classification is the problem of finding a model that maps inputs x to binary vectors y; that is, it assigns a value of 0 or 1 for each element (label) in y.e of 0 or 1 for each element (label) in y.
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://scikit-learn.org/stable/modules/multiclass.html +
, http://scikit.ml/ +
, http://mulan.sourceforge.net/ +
, https://mlr-org.github.io/mlr/articles/tutorial/multilabel.html +
, http://scikit.ml/api/skmultilearn.html%23module-skmultilearn.problem_transform +
, http://mulan.sourceforge.net/datasets.html +
, http://meka.sourceforge.net/ +
|
| http://dbpedia.org/ontology/wikiPageID
|
7466947
|
| http://dbpedia.org/ontology/wikiPageLength
|
22010
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1115711729
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/HIV +
, http://dbpedia.org/resource/Ensemble_learning +
, http://dbpedia.org/resource/Hamming_distance +
, http://dbpedia.org/resource/Classifier_chains +
, http://dbpedia.org/resource/Multiple-instance_learning +
, http://dbpedia.org/resource/Life-time_of_correlation +
, http://dbpedia.org/resource/Data_stream +
, http://dbpedia.org/resource/Scikit-learn +
, http://dbpedia.org/resource/F1_score +
, http://dbpedia.org/resource/Jaccard_index +
, http://dbpedia.org/resource/Neural_networks +
, http://dbpedia.org/resource/Loss_function +
, http://dbpedia.org/resource/Stratified_sampling +
, http://dbpedia.org/resource/Bayesian_network +
, http://dbpedia.org/resource/Multiclass_classification +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Precision_and_recall +
, http://dbpedia.org/resource/Statistical_classification +
, http://dbpedia.org/resource/Structured_prediction +
, http://dbpedia.org/resource/Committee_machine +
, http://dbpedia.org/resource/Kernel_methods_for_vector_output +
, http://dbpedia.org/resource/Concept_drift +
, http://dbpedia.org/resource/Harmonic_mean +
, http://dbpedia.org/resource/Category:Classification_algorithms +
, http://dbpedia.org/resource/Exclusive_or +
, http://dbpedia.org/resource/Online_machine_learning +
, http://dbpedia.org/resource/K-nearest_neighbors +
, http://dbpedia.org/resource/Decision_trees +
, http://dbpedia.org/resource/Weka_%28machine_learning%29 +
, http://dbpedia.org/resource/Binary_classification +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Cite_journal +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Mvar +
, http://dbpedia.org/resource/Template:Distinguish +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Classification_algorithms +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Variants +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Multi-label_classification?oldid=1115711729&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Multi-label_classification +
|
| owl:differentFrom |
http://dbpedia.org/resource/Multiclass_classification +
|
| owl:sameAs |
http://yago-knowledge.org/resource/Multi-label_classification +
, http://www.wikidata.org/entity/Q3553958 +
, http://rdf.freebase.com/ns/m.0262mhn +
, https://global.dbpedia.org/id/3H2pX +
, http://it.dbpedia.org/resource/Classificazione_multi-etichetta +
, http://dbpedia.org/resource/Multi-label_classification +
|
| rdf:type |
http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Procedure101023820 +
, http://dbpedia.org/class/yago/WikicatClassificationAlgorithms +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/class/yago/Event100029378 +
, http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/Act100030358 +
, http://dbpedia.org/class/yago/Algorithm105847438 +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
, http://dbpedia.org/ontology/MeanOfTransportation +
|
| rdfs:comment |
In machine learning, multi-label classific … In machine learning, multi-label classification or multi-output classification is a variant of the classification problem where multiple nonexclusive labels may be assigned to each instance. Multi-label classification is a generalization of multiclass classification, which is the single-label problem of categorizing instances into precisely one of several (more than two) classes. In the multi-label problem the labels are nonexclusive and there is no constraint on how many of the classes the instance can be assigned to.e classes the instance can be assigned to.
, Nell'apprendimento automatico la classific … Nell'apprendimento automatico la classificazione multi-etichetta è una variante del problema della classificazione che ammette per ogni istanza l'assegnazione di più di una etichetta-obiettivo. La classificazione multi-etichetta non deve essere confusa con la , che è invece il problema di categorizzare le istanze in una sola tra più di due classi. Ci sono due metodi principali per affrontare il problema della classificazione multi-etichetta:
* i metodi di trasformazione del problema;
* i metodi di adattamento degli algoritmi.* i metodi di adattamento degli algoritmi.
|
| rdfs:label |
Classificazione multi-etichetta
, Multi-label classification
|
