ML- KNN

MLKNN：一种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先定义的主题。在多标签学习中，训练集由每一个与一组标签相关联的实例组成，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。本文提出了一种基于传统K-近邻（KNN）算法的多标签懒惰学习方法ML- KNN。详细地，对于每个未看到的实例，首先识别其在训练集中的K近邻。之后，基于从这些相邻实例的标签集获得的统计信息，即属于每个可能类别的相邻实例的数目，利用最大后验（MAP）原理来确定不可见实例的标签集。在三个不同的真实世界多标签学习问题的实验中，即酵母基因功能分析、自然场景分类和自动网页分类，表明ML- KNN对一些已建立的多标签学习算法具有优越的性能。