来源:arXiv
编辑:肖琴
周志华团队首次将深度森林用于多标签学习
我们首次将深度森林引入到多标签学习中。由于提出了级联结构和两种measure-aware的机制,我们的MLDF方法可以处理两个具有挑战性的问题:根据用户需求优化不同的性能指标,以及在利用大量层的特征相关性时减少过拟合,过拟合常常在深度神经多标签模型中发生。
我们的大量实验表明,MLDF在9个基准数据集上都实现了最佳的性能,优于其他6种多标签方法。此外,这两种机制在MLDF中都是必要的。实验结果表明,该算法在应用各种基础树模型方面具有较高的灵活性和抗过拟合能力。
MLDF方法和框架:两种机制,更好地利用标签相关性
实验和结果:9大基准数据集实现最佳性能