About: Multi-label classification

Facets (new session)
Description
Metadata
Settings
- Rule:
- Inverse Functional Properties:
- "Same As":

About: Multi-label classification Goto Sponge NotDistinct Permalink

An Entity of Type : yago:Rule105846932, within Data Space : dbpedia.org associated with source document(s)
QRcode icon

In machine learning, multi-label classification or multi-output classification is a variant of the classification problem where multiple nonexclusive labels may be assigned to each instance. Multi-label classification is a generalization of multiclass classification, which is the single-label problem of categorizing instances into precisely one of several (more than two) classes. In the multi-label problem the labels are nonexclusive and there is no constraint on how many of the classes the instance can be assigned to.

Attributes	Values
rdf:type	Thing mean of transportation yago:WikicatClassificationAlgorithms yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Algorithm105847438 yago:Event100029378 yago:Procedure101023820 yago:PsychologicalFeature100023100 yago:YagoPermanentlyLocatedEntity yago:Rule105846932
rdfs:label	Classificazione multi-etichetta (it) Multi-label classification (en)
rdfs:comment	In machine learning, multi-label classification or multi-output classification is a variant of the classification problem where multiple nonexclusive labels may be assigned to each instance. Multi-label classification is a generalization of multiclass classification, which is the single-label problem of categorizing instances into precisely one of several (more than two) classes. In the multi-label problem the labels are nonexclusive and there is no constraint on how many of the classes the instance can be assigned to. (en) 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 , che è invece il problema di categorizzare le istanze in una sola tra più di due classi. 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. (it)
differentFrom	Multiclass classification
dcterms:subject	Classification algorithms
Wikipage page ID	7466947 (xsd:integer)
Wikipage revision ID	1115711729 (xsd:integer)
Link from a Wikipage to another Wikipage	Scikit-learn Ensemble learning Bayesian network Decision trees Structured prediction Classification algorithms Online machine learning Multiclass classification Concept drift Life-time of correlation Machine learning Committee machine Kernel methods for vector output Data stream Weka (machine learning) HIV Exclusive or Precision and recall Hamming distance Harmonic mean K-nearest neighbors Binary classification Jaccard index Classifier chains Loss function Statistical classification Multiple-instance learning Stratified sampling F1 score Neural networks
Link from a Wikipage to an external page	http://meka.sourceforge.net/ http://mulan.sourceforge.net/datasets.html http://scikit.ml/ https://mlr-org.github.io/mlr/articles/tutorial/multilabel.html http://mulan.sourceforge.net/ http://scikit.ml/api/skmultilearn.html%23module-skmultilearn.problem_transform http://scikit-learn.org/stable/modules/multiclass.html
sameAs	Multi-label classification Multi-label classification Multi-label classification Multi-label classification Multi-label classification
dbp:wikiPageUsesTemplate	dbt:Cite_journal dbt:Distinguish dbt:Mvar dbt:Reflist dbt:Short_description
has abstract	In machine learning, multi-label classification or multi-output classification is a variant of the classification problem where multiple nonexclusive labels may be assigned to each instance. Multi-label classification is a generalization of multiclass classification, which is the single-label problem of categorizing instances into precisely one of several (more than two) classes. In the multi-label problem the labels are nonexclusive and there is no constraint on how many of the classes the instance can be assigned to. Formally, multi-label classification is the problem of finding a model that maps inputs x to binary vectors y; that is, it assigns a value of 0 or 1 for each element (label) in y. (en) 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 , che è invece il problema di categorizzare le istanze in una sola tra più di due classi. 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. (it)
gold:hypernym	Variants
prov:wasDerivedFrom	wikipedia-en:Multi-label_classification?oldid=1115711729&ns=0
page length (characters) of wiki page	22010 (xsd:nonNegativeInteger)
foaf:isPrimaryTopicOf	wikipedia-en:Multi-label_classification
is differentFrom of	Multiclass classification
is Link from a Wikipage to another Wikipage of	List of datasets for machine-learning research Intertwingularity Preference learning Multi-task learning Multiclass classification Labels of primary potency Kernel methods for vector output Winnow (algorithm) Binary classification Classifier chains Algorithm adaptation methods Categorization Multiple instance learning Outline of machine learning RAKEL Multi-label
is Wikipage redirect of	Algorithm adaptation methods RAKEL Multi-label
is foaf:primaryTopic of	wikipedia-en:Multi-label_classification

Faceted Search & Find service v1.17_git147 as of Sep 06 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 08.03.3332 as of Dec 5 2024, on Linux (x86_64-generic-linux-glibc212), Single-Server Edition (378 GB total memory, 57 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2025 OpenLink Software