简历
多维分类(MDC)是一种有监督的学习问题,其中实例与多个类相关联,而不是与传统分类问题中的单个类相关联。
由于这些类通常具有很强的相关性,因此对它们之间的依赖关系进行建模可以使MDC方法以增加计算成本为代价来提高其性能。在本文中,我们重点讨论了用于建模依赖关系的分类器链(CC)方法,这是多标签分类(MLC)最流行、性能最高的方法之一,也是MDC的一个特例
它只涉及二进制类(即标签)。原始CC算法进行贪婪近似,
速度很快,但往往会沿着链传播错误。在这里,我们提出了新的蒙特卡罗方法,既可以找到一个好的链序列,又可以进行有效的推理。我们的算法对于高维数据集仍然易于处理,并在多个实际数据集中获得最佳预测性能。