MLOSS和MULAN

刚开始整理整个硕士阶段的东西，首先弄出来的是开源多类标挖掘平台MULAN，google一下“MLKD Learning From Multi-Label Data”就行，具体网址是http://mulan.sourceforge.net。MULAN是基于weka3.7以上版本开发的，我是使用3.7.4，上手还是比较快，里面的算法都是比较新，最重要的是它们号称state of art。MULAN的paper是published在JMLR 2011上面，名字叫“MULAN: A Java Library for Multi-Label Learning”。JMLR算是顶级期刊了。这篇文章令我触动最深的是它的引文“The Need for Open Source Software in Machine Learning”，JMLR 2007这篇文章，大体说的就是埋怨各大ml researchers写完文章发表完就算，不公布程序，严重阻碍后来人的研究，所以发起MLOSS(machine learning open source software)项目，它鼓励paper作者发布对应的源程序，好让后来人踏着前人的尸体，爬得更高。MLOSS具体网址是http://mloss.org/和http://jmlr.csail.mit.edu/mloss/。MULAN就是MLOSS下的一个项目。
说实话，搞ML算法研究的，主要问题是对比算法需要费九牛二虎之力才能弄出来，如果自己写的，对不对都不知道，加上各种参数设置，不是一般的烦死，重点是少有结果可以重现！里面的故事我不知道，也不想知道，因为我已经不弄research了，只想整理一下之前工作，好让后来人踏着我的尸体爬得更高。
MULAN的使用也就不多说了，好好看一下它的documents就行。值得一提的是mailing list的重要性，那里是别人提问作者回答的地方，虽然垃圾问题比较多，当遇到问题时好好找一下应该能找到答案。例如，我之前想知道TMC2007的500个属性版本的数据集是怎样弄出来的，答案就在mailing list，是用CHI选取前500个特征，是有论文推荐该方法的，可以参看两篇论文Tsoumakas G, Vlahavas I. Random K-labelsets: An Ensemble Method for Multilabel Classification[C]. In Proceedings of the 18th European Conference on Machine Learning, 2007: 406–417.和Rogati M, Yang Y M. High-performing Feature Selection for Text Classification[C]. Proceedings of the 11th international conference on Information and knowledge management, 2002:659-661.