多标签和多分类

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。