Classificazione multi-etichetta

Da Wikipedia, l'enciclopedia libera.

Nell'apprendimento automatico la classificazione multi-etichetta è una variante del problema della classificazione con molte etichette-obiettivo che devono essere assegnate ad ogni istanza. La classificazione multi-etichetta non deve essere confusa con la classificazione multiclasse, che è il problema di cagetorizzare le istanze in più di due classi. Ci sono due metodi principali per affrontare il problema della classificazione multi-etichetta: i metodi di trasformazione del problema e 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