Multilabel Adaboost для Matlab
-
26-09-2019 - |
Вопрос
В настоящее время я ищу реализацию MultiLabel Adaboost для MATLAB или методику для эффективного использования реализации двухэтажных меток для мультилогоревенного корпуса. Любая помощь в этом вопросе будет оценена.
Решение
Вы можете использовать тот же подход, используемый в Поддержка векторных машин. Отказ SVMS изначально являются двоичными классификаторами, были предложены несколько подходов для обработки многоклассных данных:
одноразовый: Создайте один двоичный классификатор на класс и поезду с экземплярами в этом классе как положительные случаи и все остальные экземпляры как негативные случаи (т. Е.: 1-VS-Not1, 2-VS-Not2, 3-VS-Not3). Наконец используйте заднюю вероятность каждого классификатора для прогнозирования класса.
одноразовый: Создайте несколько двоичных классификаторов для каждой пары классов (т. Е.: 1-VS-2, 1-VS-3, 2-VS-3, ..) Простые тренировки по экземплярам из обоих классов. Затем вы можете объединить отдельные результаты, используя большинство голосов.
Ошибка исправления выходных кодов: Основываясь на теории исправления ошибок (код хэмминга и такого), он опирается на кодирование выхода нескольких бинарных классификаторов с использованием некоторой избыточности для повышения точности.
Обратите внимание, что это универсальный метод и может применяться к любому двоичному классификатору.
В противном случае вы можете искать конкретную реализацию MULTICLASS ADABOOST, что я уверен, что там есть много .. Быстрый поиск показал этот: Мультиклассное джентльэдабоостинг
Другие советы
Вы можете использовать ADABOOST.M2, его MULTICLASS ADABOOST, вы можете найти реализацию в Balu Toolbox здесь Команда есть BCL_ADABOOST. Эта панель инструментов имеет другие полезные вещи, просто не забудьте ссылаться. Надеюсь, поможет.
Теоретически говоря, единственное правильное увеличение мультиссы - это тот, который определяется в Теория многоцветных усилений