ML-KNN公司

Ml-knn：多标签学习的懒惰学习方法。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。在多标签学习中，训练集由每个实例与一组标签相关联组成，其任务是通过分析已知标签集的训练实例来预测未知实例的标签集。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。