多标签分类策略

首先多标签分类是什么？

让我们来看看下面的图片。

如果问你这幅图中有什么？
有房子，有树，有山，有云。
当然没有人，没有太阳，没用动物。那么这样图片就可以如下标签化。

	房子	树	山	云	人	太阳	动物
pic1	1	1	1	1	0	0	0

因此，对这类问题进行分类，称之为多标签分类问题。唯一区别于多分类在于：一个样本是否可以拥有多个标签。

解决多标签分类问题的技术

基本上，有三种方法可以用来解决一个多标签分类问题，即:

• 问题转换
• 改编算法
• 集成方法

本篇主要将如何进行问题转换。

问题转换

方式一：

	房子	树	太阳	动物
pic1	1	1	0	0
pic2	0	0	1	1
pic3	1	0	1	0
pic4	1	0	1	0

转换为

x1	y-房子	-	x1	y-树	-	x1	y-太阳	-	x1	y-动物
pic1	1		pic1	1		pic1	0		pic1	0
pic2	0		pic2	0		pic2	1		pic2	1
pic3	1		pic3	0		pic3	1		pic3	0
pic4	1		pic4	0		pic4	1		pic4	0

训练4个而分类模型，以此判断是否属于各个模型。

方式二：

将数据转化为：

x1	y-房子		x1	x2(房子)	y-树		x1	x2(房子)	x3(树)	y-太阳
pic1	1		pic1	1	1		pic1	1	1	0
pic2	0		pic2	0	0		pic2	0	0	1
pic3	1		pic3	1	0		pic3	1	0	1
pic4	1		pic4	1	0		pic4	1	0	1

x1	x2(房子)	x3(树)	x4(太阳)	y-动物
pic1	1	1	0	0
pic2	0	0	1	1
pic3	1	0	1	0
pic4	1	0	1	0

同样是分为四个类，但不同意方法一，方法二考虑了标签之间的关联性。将上一个类作为下一个类别的特征。

方式三：

将多标签分类转化为多分类问题。

x1	x2(房子)	x3(树)	x4(太阳)	x5(动物)	y
pic1	1	1	0	0	1
pic2	0	0	1	1	2
pic3	1	0	1	0	3
pic4	1	0	1	0	3

即：通过标签的多种组合形成唯一的类。
转化为如下数据，变为多分类问题：

x1	y
pic1	1
pic2	2
pic3	3
pic4	3

参考文献：
http://www.atyun.com/5376.html