梅卡

MEKA:WEKA的多标签/多目标扩展。多标签分类迅速引起了机器学习文献的兴趣,目前已有大量且种类繁多的机器学习方法。基于已知的MEKA-WEKA-We开源框架。MEKA提供了方便实际应用的接口,以及丰富的多标签分类器、评估指标和多标签实验和开发工具。它支持多标签和多目标数据,包括增量和半监督环境。


zbMATH中的参考文献(参考文献13条)

显示结果1到13,共13个。
按年份排序(引用)

  1. 朱元元;胡斌;陈雷;戴琦:iMPTCE Hnetwork:一种多标记分类器,用于识别具有异质网络的化学物质和酶的代谢途径类型(2021)
  2. 行,金;特兰,特鲁延;阮,瘦;Venkatesh,Svetha:图上的注意力多标签学习:信息传递方法(2019)
  3. 黄明;壮族,福珍;张晓;敖,香;牛振宇;张敏玲;何青:多标签分类的监督表征学习(2019)
  4. 阮,Thi-Thu-Thuy;阮天成;夏尔玛,拉比;Liew,Alan Wee Chung:无损在线贝叶斯分类器(2019)
  5. 西曼斯基,皮奥特;Kajdanowicz,Tomasz:scikitmultilearn:一个基于scikit的Python环境,用于执行多标签分类(2019)
  6. 阿德里亚诺·里沃利;Andre C.P.L.F.de Carvalho:utiml包:R中的多标签分类(2018)不是zbMATH
  7. Francisco Charte,Antonio J.Rivera,David Charte,María J.del Jesus,Francisco Herrera:管理多标签数据集的提示、指南和工具:mldr.datasets R包和Cometa数据存储库(2018)阿尔十四
  8. 蒙蒂尔,雅各布;读吧,杰西;比菲,阿尔伯特;Abdessalem,Talel:Scikit multiflow:多输出流框架(2018)
  9. 张远健;苗族,多姿族;张志飞;徐剑峰;罗胜:一个多标签分类的三向选择集成模型(2018)
  10. 黄浩、黄浩;林宣天:多标签分类的成本敏感标签嵌入(2017)
  11. Piotr Szymanski:一个基于scikit的用于执行多标签分类的Python环境(2017)阿尔十四
  12. Ghouti,Lahouari:一种新的基于核的多标签数据集分类算法(2016)
  13. 读吧,杰西;鲁特曼,彼得;伯哈德,普法林格;霍姆斯,Geoff:MEKA:WEKA的多标签/多目标扩展(2016)