10.3969/j.issn.1000-386x.2016.09.064
基于样本差异的多标签分类器评价标准预估
评价标准是分类器的重要指标。对于多标签学习，常用的评价标准有 Hamming Loss、One-error、Coverage、Ranking loss 和Average precision。多标签分类器给出分类结果的同时并未给出评价标准值，通常采用事后验算的方法评估评价标准。这样往往不能及时有效地发现评价标准值变化之类的问题，同时评估评价标准值需对测试样本进行标记。针对这一问题，分别从样本分布差异和样本实例间差异提出两种评价标准预估方法。分析上述两种方法的特点，提出第三种评价标准预估方法。实验表明，这三种评价标准预估方法具有良好效果，可用于迁移学习等。
多标签学习、评价标准、样本分布、样本实例、线性拟合
33
TP3(计算技术、计算机技术)
中央高校基本科研业务费专项资金项目CD-JZR12180005；重庆自然科学基金项目CSTC2011BB2063。
2016-10-18（万方平台首次上网日期，不代表论文的发表时间）
共6页
273-278
