文献

J-GLOBAL ID：202002234286414051   整理番号：20A1034723

図書館:マルチラベル分類のための二値関連性におけるベース学習者のラベルごと選択【JST・京大機械翻訳】

LiBRe: Label-Wise Selection of Base Learners in Binary Relevance for Multi-label Classification

著者 (4件)： Wever Marcel (Heinz Nixdorf Institut, Paderborn University, Paderborn, Germany) ,  Tornede Alexander (Heinz Nixdorf Institut, Paderborn University, Paderborn, Germany) ,  Mohr Felix (Universidad de La Sabana, Cundinamarca, Colombia) ,  Huellermeier Eyke (Heinz Nixdorf Institut, Paderborn University, Paderborn, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12080  ページ： 561-573  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： マルチラベル分類(MLC)において,各インスタンスは標準分類とは対照的にクラスラベルの集合と関連し,インスタンスは単一ラベルに割り当てられる。二値関連性(BR)学習は,ラベル当たりの一つの二値分類問題に対するマルチラベルを低減し,MLCに対する最も直線的なアプローチである。その単純さにもかかわらず,BRはより洗練されたMLC法に対して競争力があり,多くの損失関数に対してまだ最先端の性能を達成していることが証明された。驚くべきことに,二値分類問題に取り組むためのベース学習者の最適選択は,これまでほとんど注目されてこなかった。BRに固有のラベル独立性仮定を利用して,ラベルごとのマクロ平均化性能測度を最適化するラベルベース学習者選択法を提案した。広範な実験的評価において,著者らは,ライブラリと呼ばれるアプローチが,一般化性能を著しく改善できることを見出した。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  損失関数
準シソーラス用語： *学習者 ,  *マルチラベル分類 ,  二値分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチラベル分類 ,  アルゴリズム選択 ,  二値関連性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 図書館 ,  マルチラベル分類 ,  二値 ,  関連性 ,  学習 ,  ラベル