×
朱红敏;黄宽浩;林宣天

成本敏感的在线多标签分类的动态主投影。 （英语） Zbl 1493.62378号

马赫。学习。 108，编号8-9，1193-1230（2019）.
摘要：我们研究了多标签分类（MLC）的三个重要现实问题：在线更新、标签空间降维（LSDR）和成本敏感性。当前的MLC算法并没有同时解决这三个问题。在本文中，我们提出了一种新的算法，成本敏感动态主投影（CS-DPP），解决了所有这三个问题。CS-DPP的基础是一个在线LSDR框架，该框架源自领先的LSDR算法。特别是，CS-DPP配备了一个由矩阵随机梯度驱动的高效在线降维器，并在与精心设计的在线回归学习器相结合时建立了其理论基础。此外，CS-DPP将成本信息嵌入到标签权重中，以实现成本敏感性和理论保证。实验结果表明，在不同的评价标准下，CS-DPP算法比现有的MLC算法具有更好的实际性能，并证明了同时解决这三个问题的重要性。

引用于1文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62H25个 因子分析和主成分；对应分析
68T05年 人工智能中的学习和自适应系统
68周27 在线算法；流式算法

关键词：

多标签分类;成本敏感型;标签空间尺寸缩减

软件：

MULAN公司;全国大学
PDF格式BibTeX公司 XML格式引用
\textit{H.-M.Chu}等人，马赫。学习。108，编号8--9，1193--1230（2019；Zbl 1493.62378）
全文： 内政部 arXiv公司

参考文献：

[1] Arora，R.、Cotter，A.和Srebro，N.（2013年）。带帽味精PCA的随机优化。NIPS 2013（第1815-1823页）。
[2] Balasubramanian，K.和Lebanon，G.（2012年）。多输出预测的地标选择方法。在ICML 2012中。
[3] Bartlett，P.（2008）。在线凸优化：岭回归，自适应。https://people.eecs.berkeley.edu/bartlett/courses/281b-sp08/24.pdf。2017年11月4日访问。
[4] Bello，J.P.、Chew，E.和Turnbull，D.（2008）。音乐情感的多标签分类。ICMIR 2008（第325-330页）。
[5] Bhatia，K.、Jain，H.、Kar，P.、Varma，M.和Jain，P.（2015）。极端多标签分类的稀疏局部嵌入。NIPS 2015（第730-738页）。
[6] Bi，W.，&Kwok，J.T.（2013）。具有多个标签的高效多标签分类。ICML 2013（第405-413页）。
[7] Chen，Y.，&Lin，H.（2012）。针对多标签分类的特征感知标签空间降维。NIPS 2012（第1538-1546页）。
[8] Chua，T.、Tang，J.、Hong，R.、Li，H.、Luo，Z.和Zheng，Y.（2009）。NUS-WIDE：来自新加坡国立大学的真实网络图像数据库。在CIVR 2009中。
[9] 克拉默，K。；Dekel，O。；Keshet，J。；沙列夫·施瓦茨，S。；Singer，Y.，《在线被动攻击算法》，《机器学习研究杂志》，7551-585（2006）·Zbl 1222.68177号
[10] Dembczynski，K.、Cheng，W.和Hüllermier，E.（2010年）。通过概率分类器链进行贝叶斯最优多标签分类。ICML 2010（第279-286页）。
[11] Dembczynski，K.、Waegeman，W.、Cheng，W.和Hüllermier，E.（2011年）。F测度最大化的精确算法。在NIPS 2011中（第1404-1412页）。
[12] Elisseeff，A.和Weston，J.（2001）。多标记分类的核心方法。在NIPS 2001中。
[13] Hsu，D.、Kakade，S.、Langford，J.和Zhang，T.（2009）。通过压缩感知进行多标签预测。NIPS 2009（第772-780页）。
[14] Kapoor，A.、Viswanathan，R.和Jain，P.（2012年）。使用贝叶斯压缩感知的多标签分类。NIPS 2012（第2654-2662页）。
[15] Li，C.和Lin，H.（2014）。用于成本敏感型多标签分类的压缩过滤树。ICML 2014（第423-431页）。
[16] Li，C.、Lin，H.和Lu，C.（2016）。内存受限流式PCA的两类算法的竞争。在AISTATS 2016中。
[17] Lin，Z.、Ding，G.、Hu，M.和Wang，J.（2014）。通过特征感知的隐式标签空间编码进行多标签分类。ICML 2014（第325-333页）。
[18] 刘伟。；Tsang，Iw；Müller，Kr，《多类多标签的易-难学习范式》，《机器学习研究杂志》，18，1-38（2017）·Zbl 1441.62170号
[19] Lo，H。；Wang，J。；Wang，H。；Lin，S.，音频标签注释和检索的成本敏感多标签学习，IEEE多媒体交易，13，3，518-529（2011）·doi:10.1109/TMM.2011.2129498
[20] 毛，Q。；曾，Iwh；Gao，S.，客观引导图像注释，IEEE图像处理汇刊，221585-1597（2013）·Zbl 1373.94277号 ·doi:10.1109/TIP.2012.2233490
[21] 聂，J。；科特洛夫斯基，W。；Warmuth，Mk，Online PCA with optimal requires，《机器学习研究杂志》，第17期，194-200页（2016年）·Zbl 1405.68453号
[22] Osojnik，A。；帕诺夫，P。；Deroski，S.，通过数据流上的多目标回归进行多标签分类，机器学习，106745-770（2017）·Zbl 1455.68178号 ·doi:10.1007/s10994-016-5613-5
[23] Read，J.、Bifet，A.、Holmes，G.和Pfahringer，B.（2011年）。流式处理多标签分类。2011年模式分析应用研讨会论文集（第19-25页）。
[24] 里德·J。；普法林格，B。；霍姆斯，G。；Frank，E.，多标签分类的分类器链，机器学习，85，3，333-359（2011）·doi:10.1007/s10994-011-5256-5
[25] Sun，L。；季S。；Ye，J.，《多标签分类的典型相关分析：最小二乘公式、扩展和分析》，IEEE模式分析和机器智能汇刊，33，1，194-200（2011）·doi:10.1109/TPAMI.2010.160
[26] Tai，F。；Lin，H.，带主标签空间变换的多标签分类，神经计算，24，9，2508-2542（2012）·Zbl 1269.68084号 ·doi:10.1162/NECO_a_00320
[27] Tang，L.、Rajan，S.和Narayanan，V.K.（2009年）。通过metalabeler进行大规模多标签分类。WWW 2009（第211-220页）。
[28] Tsoumakas，G。；Katakis，I。；叶夫拉哈瓦斯；O.Maimon。；Rokach，L.，《挖掘多标签数据》，《数据挖掘和知识发现手册》，667-685（2010），马萨诸塞州波士顿：斯普林格
[29] Tsoumakas，G.和Vlahavas，I.P.（2007）。随机k标签集：多标签分类的集成方法。ECML 2007（第406-417页）。
[30] Tsoumakas，G。；Xioufis，Es；维尔切克，J。；Vlahavas，Ip，MULAN：用于多标签学习的java库，《机器学习研究杂志》，第12期，第2411-2414页（2011年）·Zbl 1280.68207号
[31] Wu，Y。；Lin，H.，用于成本敏感多标签分类的渐进式\（k\）-标签集，机器学习，106，5671-694（2017）·Zbl 1454.62203号 ·数字对象标识代码：10.1007/s10994-016-5600-x
[32] Xioufis，E.S.、Spiliopoulou，M.、Tsoumakas，G.和Vlahavas，I.P.（2011年）。处理多标签流分类中的概念漂移和类不平衡。在2011年国际建筑学会（IJCAI）中（第1583-1588页）。
[33] Yu，H.、Jain，P.、Kar，P.和Dhillon，I.S.（2014）。缺少标签的大规模多标签学习。ICML 2014（第593-601页）。
[34] Zhang，X.、Graepel，T.和Herbrich，R.（2010年）。多标签和多变量性能度量的贝叶斯在线学习。在AISTATS 2010中。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。