マルチラベル の変更点

• 追加された行はこの色です。
• 削除された行はこの色です。
• マルチラベル へ行く。

* マルチラベル (multi-label) [#q845f74e]

//ここには %項目の説明を書いてください．よろしければ署名しておいてください．

マルチラベル分類問題は，[[多クラス]]分類と同様に，クラスのとりうる値の数（定義域の大きさ）が3以上．しかし，通常の[[多クラス]]分類では，各事例はどれか一つのクラスに分類される．一方，マルチラベル分類では，一つの事例が複数のクラスに同時に分類されうる．

例えば，Webページを分類を考えたとき，機械学習について書かれたページを「機械学習」と「統計」の両方のクラスに同時に分類する．

クラスの定義域を \(\mathcal{C}\) とすると，多クラスの訓練事例は \((c_i\in\mathcal{C},\mathbf{x_i})\) の形式だが，マルチラベルでは定義域の部分集合を使った \((C\subseteq\mathcal{C},\mathbf{x}_i)\) の形式．

*** 解法 [#kfae3dbb]

文献1で照会された問題を変換する方法を紹介

- binary relevance：あるラベルがあるかないかの複数の2値問題に変換
- single label learning：複数付いているラベルの一つのラベルだけを残し他は無視．各ラベルの付く度合いで順位付け．
- copy and copy weight：2個ラベルがついた事例があったら，二つにコピーして，それぞれの重みを1/2ずつにする
- ranking by pairwise comparison：二つのラベルを考えて，一方だけが付く場合に正負のラベルを各事例について考える．
- calibrated label ranking：pairwise comparisonに加え，ラベル付けの順位を扱える目的で，二値の仮想ラベルを加える．
- label power set：ラベルのあり・なしをビット列で表し，\(2^n\)個（\(n\) はラベル数）のラベル集合に変換
- pruned set：label power set で低頻度のラベルの組み合わせを無視する改良
- random k-labelsets：大きなラベル集合を複数の集合にわけ，それぞれをlabel power setで解く
- ensembles of pruned sets：いろいろなpruneの仕方でアンサンブル

その他，マルチラベル専用に既存アルゴリズムを拡張した手法も多数ある．
上記のような変換を組み込む方法の他，生成モデルを考えるものや，テンソル分解などを使う方法などがある．

> -- しましま

** 関連項目 [#o3419ef9]

//英語や同義語のあとに，#brで区切って関連する項目をリストしてください．
-[[multi-label]]
#br
-[[識別]]
-[[多クラス]]
#br
-[[検索:multi-label マルチラベル]]

** リンク集 [#gdc37dd3]

//関連するWWW資源があればリンクしてください．
-[[ECML PKDD 2009 Workshop: Learning from Multi-Label Data>http://lpis.csd.auth.gr/workshops/mld09/]]

*** Freeware [#gac02a52]

-[[Mulan (An Open Source Library for Multi-Label Learning)>http://mulan.sourceforge.net/]]：[[Weka]]で動作するマルチラベル用のツールキット．テストデータも配布．

** 関連文献 [#m8dd902c]

//この%項目%に関連する書籍や論文を紹介してください．
- 文献1~
[[G.Tsoumakas, M.L.Zhang, and Z.H.Zhou, ECML PKDD 2009 Workshop: Learning from Multi-Label Data のチュートリアル>http://lpis.csd.auth.gr/paper_details.asp?publicationID=290]]