Wyszukiwanie zaawansowane ?

Obiekt

Pobierz

Tytuł: Multi-label classification using error correcting output codes

Autor:

Kajdanowicz, Tomasz ; Kazienko, Przemysław

Data wydania:

2012

Typ zasobu:

artykuł

Współtwórca:

Cordón, Oskar - ed. ; Kazienko, Przemysław - ed.

Podtytuł:

Hybrid and Ensemble Methods in Machine Learning

Tytuł publikacji grupowej:

AMCS, Volume 22 (2012)

Abstract:

A framework for multi-label classification extended by Error Correcting Output Codes (ECOCs) is introduced and empirically examined in the article. The solution assumes the base multi-label classifiers to be a noisy channel and applies ECOCs in order to recover the classification errors made by individual classifiers. ; The framework was examined through exhaustive studies over combinations of three distinct classification algorithms and four ECOC methods employed in the multi-label classification problem. ; The experimental results revealed that (i) the Bode?Chaudhuri?Hocquenghem (BCH) code matched with any multi-label classifier results in better classification quality; (ii) the accuracy of the binary relevance classification method strongly depends on the coding scheme; (iii) the label power-set and the RAkEL classifier consume the same time for computation irrespective of the coding utilized; (iv) in general, they are not suitable for ECOCs because they are not capable to benefit from ECOC correcting abilities; (v) the all-pairs code combined with binary relevance is not suitable for datasets with larger label sets.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Identyfikator zasobu:

oai:zbc.uz.zgora.pl:58995

DOI:

10.2478/v10006-012-0061-2

Strony:

829-840

Źródło:

AMCS, Volume 22, Number 4 (2012) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego

Temat i słowa kluczowe:

machine learning supervised learning multi-label classification error-correcting output codes ECOC ensemble methods binary relevance framework

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

2021-10-14

Data dodania obiektu:

2021-09-15

Liczba wyświetleń treści obiektu:

116

Wszystkie dostępne wersje tego obiektu:

https://zbc.uz.zgora.pl/publication/65811

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Multi-label classification using error correcting output codes 2021-10-14

Obiekty

Podobne
AMCS, Volume 25 (2015)
AMCS, Volume 25 (2015)

A strategy learning model for autonomous agents based on classification

Śnieżyński, Bartłomiej Byrski, Aleksander - ed. Kisiel-Dorohinicki, Marek - ed. Dobrowolski, Grzegorz - ed.

artykuł
AMCS, volume 18 (2008)
AMCS, volume 18 (2008)

Analysis of the ReSuMe learning process for spiking neural networks

Ponulak, Filip Kasiński, Andrzej - ed. Ponulak, Filip - ed.

2008
artykuł
AMCS, Volume 22 (2012)
AMCS, Volume 22 (2012)

Data-driven models for fault detection using kernel PCA: A water distribution system case study

Nowicki, Adam Grochowski, Michał Duzinkiewicz, Kazimierz Cordón, Oskar - ed. Kazienko, Przemysław - ed.

2012
artykuł
AMCS, Volume 20 (2010)
AMCS, Volume 20 (2010)

Self-adaptation of parameters in a learning classifier system ensemble machine

Troć, Maciej Unold, Olgierd Korbicz, Józef (1951- ) - red. Uciński, Dariusz - red.

2010
artykuł
AMCS, Volume 21 (2011)
AMCS, Volume 21 (2011)

Application of agent-based simulated annealing and tabu search procedures to solving the data reduction problem

Czarnowski, Ireneusz Jędrzejowicz, Piotr Korbicz, Józef (1951- ) - red. Uciński, Dariusz - red.

2011
artykuł
AMCS, Volume 16 (2006)
AMCS, Volume 16 (2006)

Comparison of supervised learning methods for spike time coding in spiking neural networks

Kasiński, Andrzej Ponulak, Filip Korbicz, Józef (1951- ) - red.

2006
artykuł
AMCS, volume 19 (2009)
AMCS, volume 19 (2009)

Mining indirect association rules for web recommendation

Kazienko, Przemysław Korbicz, Józef (1951- ) - ed.

2009
artykuł
AMCS, Volume 22 (2012)
AMCS, Volume 22 (2012)

A rainfall forecasting method using machine learning models and its application to the Fukuoka city case

Sumi, Monira S. Zaman, Faisal M. Hirose, Hideo Cordón, Oskar - ed. Kazienko, Przemysław - ed.

2012
artykuł
Więcej

Dane kontaktowe

Adres

Biblioteka Uniwersytetu
Zielonogórskiego
al. Wojska Polskiego 71
65-762 Zielona Góra

Telefon

(+48) 68 328 21 55

E-Mail

kontakt@zbc.uz.zgora.pl

Wojewódzka i Miejska Biblioteka Publiczna
im. C. Norwida w Zielonej Górze
al. Wojska Polskiego 9
65-077 Zielona Góra

(+48) 68 453 26 06

p.karp@biblioteka.zgora.pl

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji