ML-KNN公司

多标签学习法。多标签学习起源于对文本分类问题的研究，其中每个文档可以同时属于多个预定义的主题。通过训练集合中的标签实例，对训练集合中的多个标签实例进行训练，并对训练样本集进行训练。本文在传统的K-最近邻（KNN）算法的基础上，提出了一种多标签懒惰学习方法ML-KNN。具体来说，对于每一个不可见的实例，首先确定其在训练集中的K个最近邻。然后，根据从这些相邻实例的标签集中获得的统计信息，即属于每个可能类的相邻实例的数量，利用最大后验概率（MAP）原理来确定不可见实例的标签集。在酵母基因功能分析、自然场景分类和网页自动分类三种不同的现实世界多标签学习问题上的实验表明，ML-KNN比已有的多标签学习算法具有更好的性能。