Je suis actuellement à la recherche d'une implémentation multilabelle Adaboost pour MATLAB ou une technique pour utiliser efficacement une implémentation de deux étiquettes pour le boîtier Multilabel. Toute aide dans cette affaire serait appréciée.
3 Réponses :
Vous pouvez utiliser la même approche utilisée dans les machines de vecteur support . Les SVMS sont à l'origine des classificateurs binaires, plusieurs approches ont été proposées pour la manipulation de données multiclass:
one-contre-tous : construire un classificateur binaire par classe et former des cas dans cette classe comme des cas positifs et tous les autres cas en tant que cas négatifs (c'est-à-dire: 1-vs- NOT1, 2-VS-NOT2, 3-VS-NOT3). Enfin, utilisez la probabilité postérieure de chaque classificateur de prédire la classe.
one-contre-un : construire plusieurs classificateurs binaires pour chaque paire de classes (c'est-à-dire: 1-VS-2, 1-VS-3, 2-VS-3 ,. .) En formant simplement une formation sur les instances des deux classes. Ensuite, vous pouvez combiner les résultats individuels à l'aide d'un vote à la majorité.
Notez que ce sont une méthode générique et peuvent être appliquées à n'importe quel classificateur binaire.
Sinon, vous pouvez rechercher une implémentation spécifique de Multiclass Adaboost, que je suis sûr qu'il y a beaucoup de temps là-bas. Une recherche rapide a révélé celle-ci: MultiClass GentleadaBoosting
Vous pouvez utiliser adaboost.m2, son adaboost multiclass, vous pouvez trouver une implémentation dans la boîte à outils BALU Ici La commande est BCL_ADABOOST Ceci Toolbox a d'autres éléments utiles, rappelez-vous simplement de vous référer. J'espère que cela aide.
Théoriquement parlant, le seul boosting multi-classes correct est celui défini dans une théorie de la multiclasse boosting