Multilabel AdaBoost pour Matlab

Question

Je cherche actuellement une implémentation AdaBoost pour multilabel Matlab ou une technique pour l'utilisation efficace d'une mise en œuvre de deux étiquettes pour le cas multilabel. Toute aide à ce sujet serait apprécié.

Answer 1

Vous pouvez utiliser la même approche dans le Support Vector Machines . SVM sont à l'origine classificateurs binaires, plusieurs approches ont été proposées pour le traitement des données multiclassent:

• un contre-all : construction d'un classificateur binaire par classe, et de former avec les instances de cette classe en tant que cas positifs et tous les autres cas, comme les cas négatifs (par exemple: 1-VS- not1, 2-vs-NOT2, 3-vs-not3). Enfin utiliser la probabilité postérieure de chaque classificateur pour prédire la classe.

• One-contre-one : construire plusieurs classificateurs binaires pour chaque paire de classes (par exemple: 1-vs-2, le 1-vs-3, 2-vs-3,. .) par la simple formation sur les instances des deux classes. Ensuite, vous pouvez combiner les résultats individuels en utilisant un vote majoritaire.

• Correction des erreurs des codes de sortie :. Basé sur la théorie de la correction d'erreurs (code de Hamming et autres), elle repose sur le codage de la sortie de plusieurs classificateur binaire en utilisant une certaine redondance pour augmenter la précision

Notez ce sont la méthode générique et peut appliquer à tout classificateur binaire.

Sinon, vous pouvez rechercher une application spécifique de multiclassent Adaboost, que je suis sûr qu'il ya beaucoup là-bas .. Une recherche rapide révèle celui-ci: GentleAdaboosting multiclasses

Answer 2

Vous pouvez utiliser Adaboost.M2, est un multiclassent AdaBoost, vous pouvez trouver une implémentation dans la boîte à outils Balu Bcl_adaboost cette boîte à outils a d'autres choses utiles, n'oubliez pas de référence. Espérons que cela aide.

Answer 3

Théoriquement, la multi-classe ne correcte amplification est celle définie en théorie A de multiclassent stimulant