Classificazione multi-etichetta
Nell'apprendimento automatico la classificazione multi-etichetta è una variante del problema della classificazione che ammette per ogni istanza l'assegnazione di più di una etichetta-obiettivo. La classificazione multi-etichetta non deve essere confusa con la classificazione multiclasse, che è invece il problema di categorizzare le istanze in una sola tra più di due classi[1].
Ci sono due metodi principali per affrontare il problema della classificazione multi-etichetta:
- i metodi di trasformazione del problema;
- i metodi di adattamento degli algoritmi.
Ci sono diversi metodi di trasformazione del problema per la classificazione multi-etichetta: una in comune è la rilevanza binaria dove un classificatore binario è allenato per l'etichetta. Un altro metodo è la trasformazione di combinazioni di etichetta che crea un classificatore binario per ogni possibile combinazione di etichetta; il RAkEL e le catene di classificatori.
I metodi di trasformazione del problema sviluppati sono: il Ml-kNN, variante dei classificatori K-nearest neighbors.
Note
[modifica | modifica wikitesto]- ^ (EN) Grigorios Tsoumakas e Ioannis Katakis, Multi-Label Classification, in International Journal of Data Warehousing and Mining, vol. 3, n. 3, 2007-07, pp. 1–13, DOI:10.4018/jdwm.2007070101. URL consultato il 26 agosto 2018.
