1.多标签分类(转载https://blog.csdn.net/bemachine/article/details/10471383)
多标签分类问题例子:一部电影可以被同时分为恐怖片和喜剧片,一则欣慰可以同属于政治和法律,等等。
多标签分类的解决方案:
1.将问题转化为传统分类问题
①对每个实例随机或者固定的分配一个标签,,或只保留只有一个标签的训练样本,然后使用传统的多分类方法训练。
缺点:导致训练样本的损失
②将训练样本按每个标签构造一个训练集,每个样本属于或者不属于这个标签,对每个标签单独训练一个分类器,最后合成多个分类器的结果。(目前使用这种方法)
③将多标签看成一个整体(一个新标签),在一个更多的标签集上做训练。当标签样本较少时,方法受限。
④针对具有多个标签的样本,复制该样本,每个样本具有不同的标签,加入训练集后采用覆盖分类法。
2.调整现有的算法
调整boost,KNN,SVM
更具体的讲解见:http://www.atyun.com/5376.html
2.多分类(转载:https://blog.csdn.net/weixin_41060109/article/details/80878192)
多分类问题例子:对于一个汽车的好坏评价,总共有四种评价:很好,好,一般,差。
多分类问题的解决方案一般是:一对一,一对其他,多对多。