多標簽分類問題的學(xué)習(xí)

1、多標簽分類問題的學(xué)習(xí),多標簽分類問題是分類問題中比較復(fù)雜的問題，不同于兩類分類問題，它允許問題中存在多個類別(或稱為標簽):不同于多類分類問題，它允許樣本同時屬于多個類別。由于多標簽分類問題的復(fù)雜性，也就引起了人們研究的興趣。現(xiàn)實中存在的多標簽分類問題也很多。一個比較常見的問題是為電影分類問題，電影的類別有很多種，如:科幻、喜劇、動作和劇情等等，一部電影也可以同時擁有多個類別，而且絕大多數(shù)電影都是擁有多個類別的。在許多現(xiàn)實應(yīng)用中人們己經(jīng)

2、開始使用計算機來進行多標簽分類問題的研究，在文本分類中，可以將一篇文章分類到多個話題中，如:社會、科學(xué)、體育和娛樂等;在風(fēng)景圖像分類 中，一幅圖像可以擁有多個主題，如:樹林、海灘、山峰和草原等。,目前，多標簽分類問題的算法有兩大類，一類是基于數(shù)據(jù)集分解的方法，另一類是基于單個優(yōu)化問題的方法。,基于數(shù)據(jù)集分解的多標簽方法 基于數(shù)據(jù)集分解的多標簽方法簡稱為分解方法，它將一個多標簽分類問題分解為多個單標簽分類的子問題，然后使用一

3、般的分類方法處理這些子問題，最后集成這些子問題的解得出總的多標簽分類問題的解，因此分解方法一般分為分解、處理和集成三步。分解方法的目的是為了直接使用己經(jīng)存在的單標簽分類算法，它的特點就在于方便和快速。目前主要的分解策略有“一對一”和“一對多”兩種，但根據(jù)處理子問題的分類算法的不同又有多種具體形式的分類算法。,“一對一”的基于數(shù)據(jù)集分解的多標簽方法策略示意圖,“一對一”的分解策略，是指對于具有k個標簽的數(shù)據(jù) 集，將任意兩個標簽配對構(gòu)造一

4、個分類器，只對含有這兩個標簽的樣本進行分類，這樣的兩兩配對共有k（k-l)/2種可能的情況，將會產(chǎn)生k（k-l)/2個分類器，因此通過“一對一”的分解策略可以將一個多標簽分類問題分解成k(k-1)/2個單標簽分類問題，對于這些單標簽分類問題的處理則可以使用各種分類方法，如k近鄰算法、貝葉斯算法、支持向量機算法等。,需要注意的是根據(jù)多標簽分類問題的特點這些子問題的樣本可能存在三種類型，即:只擁有第一個標簽的樣本，只擁有第二個標簽的樣本和同

5、時擁有第一和第二標簽的樣本。要處理這樣的子問題最簡單的方法是忽略掉同時擁有第一和第二標簽的樣本，如Model-i算法；另一種方法是用兩個兩類分類器來處理這樣的子問題，如多標簽成對比較算法；還有一種方法是直接創(chuàng)造一種三類的分類器來處理這樣的子問題，如平行支持向量機算法。，,“一對多”的基于數(shù)據(jù)集分解的多標簽方法策略示意圖,“一對多”的分解策略是指將具有k個標簽的數(shù)據(jù)集分解成k個兩類分類器，但是每一個分類器中都要包含所有的樣本，第i號

6、分類器要將擁有第i個標簽的樣本與其余樣本分開，對于這k個兩類分類器可以使用各種兩類分類方法來解決，如使用k近鄰算法(PT4-kNN ), C4.5算法(PT4- C4.5 )、貝葉斯算法(PT4-NB ) ，以及基于支持向量機的Binary-SVM算法和PT4-SMO算法。,基于單個優(yōu)化問題的多標簽方法 在基于單個優(yōu)化問題的方法中，要求只建立一個最優(yōu)化問題來處理所有的樣本，并且這些樣本擁有多個標簽，因此建立和計算這樣的最優(yōu)