Multilabel AdaBoost para MATLAB

Question

Actualmente estoy buscando una aplicación AdaBoost Multilabel para MATLAB o una técnica para utilizar eficientemente una aplicación de dos etiquetas para el caso Multilabel. Cualquier ayuda en esta materia sería apreciada.

Answer 1

Se puede utilizar el mismo método utilizado en Las máquinas de vectores de soporte . SVM clasificadores son originalmente binarios, se propusieron varios enfoques para el manejo de datos multiclase:

• uno contra todos : constructo un clasificador binario por clase, y tren con las instancias de esta clase como los casos positivos y todos los otros casos como casos negativos (es decir: 1-VS Not1, 2-vs-not2, 3-vs-not3). Por último utilizar la probabilidad posterior de cada clasificador para predecir la clase.

• uno contra uno : construir varias clasificadores binarios para cada par de clases (es decir: 1-vs-2, 1-vs-3, 2-vs-3,. .) simplemente sobre la formación de los casos de ambas clases. A continuación, puede combinar los resultados individuales utilizando una mayoría de votos.

• códigos correctores de errores de salida :. Basado en la teoría de la corrección de errores (código de Hamming y tal), se basa en la codificación de la salida de varios clasificador binario utilizando algo de redundancia para aumentar la precisión

Tenga en cuenta estos son método genérico y puede aplicarse a cualquier clasificador binario.

En caso contrario puede buscar una aplicación específica de multiclase Adaboost, que estoy seguro de que hay mucho por ahí .. Una búsqueda rápida reveló éste: multiclase GentleAdaboosting

Answer 2

Se puede utilizar Adaboost.M2, es un multiclase AdaBoost, podemos encontrar una implementación en Balu caja de herramientas aquí el comando es Bcl_adaboost este caja de herramientas tiene otras cosas útiles, sólo recuerde referencia. Espero que ayuda.

Answer 3

En teoría, la única correcta multi-clase impulsar es el definido en la teoría Un multiclase de impulsar