Published January 1, 2015
| Version v1
Publication
Open
Feature Selection for Multi-label Learning: A Systematic Literature Review and Some Experimental Evaluations
- 1. Universidade de São Paulo
- 2. Universidade Estadual do Oeste do Paraná
Description
Feature selection can remove non-important features from the data and promote better classifiers.This task, when applied to multi-label data where each instance is associated with a set of labels, supports emerging applications.Although multi-label data usually exhibit label relations, label dependence has been little studied in feature selection.We proposed two multi-label feature selection algorithms that consider label relations.These methods were experimentally competitive with traditional approaches.Moreover, this work conducted a systematic literature review, summarizing 74 related papers.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يمكن أن يؤدي اختيار الميزة إلى إزالة الميزات غير المهمة من البيانات وتعزيز المصنفات الأفضل. هذه المهمة، عند تطبيقها على البيانات متعددة التصنيفات حيث ترتبط كل حالة بمجموعة من التسميات، تدعم التطبيقات الناشئة. على الرغم من أن البيانات متعددة التصنيفات عادة ما تظهر علاقات التسمية، إلا أن الاعتماد على التسمية لم تتم دراسته إلا قليلاً في اختيار الميزة. اقترحنا خوارزميتين لاختيار ميزة متعددة التصنيفات تأخذ في الاعتبار علاقات التسمية. كانت هذه الطرق تنافسية تجريبياً مع الأساليب التقليدية. علاوة على ذلك، أجرى هذا العمل مراجعة منهجية للأدبيات، ولخص 74 ورقة ذات صلة.Translated Description (French)
La sélection de caractéristiques peut supprimer des caractéristiques non importantes des données et promouvoir de meilleurs classificateurs. Cette tâche, lorsqu'elle est appliquée à des données multi-étiquettes où chaque instance est associée à un ensemble d'étiquettes, prend en charge les applications émergentes. Bien que les données multi-étiquettes présentent généralement des relations d'étiquette, la dépendance à l'étiquette a été peu étudiée dans la sélection de caractéristiques. Nous avons proposé deux algorithmes de sélection de caractéristiques multi-étiquettes qui tiennent compte des relations d'étiquette. Ces méthodes étaient compétitives expérimentalement avec les approches traditionnelles. De plus, ce travail a mené une revue systématique de la littérature, résumant 74 articles connexes.Translated Description (Spanish)
La selección de características puede eliminar características no importantes de los datos y promover mejores clasificadores. Esta tarea, cuando se aplica a datos de múltiples etiquetas donde cada instancia está asociada con un conjunto de etiquetas, admite aplicaciones emergentes. Aunque los datos de múltiples etiquetas generalmente exhiben relaciones de etiqueta, la dependencia de la etiqueta ha sido poco estudiada en la selección de características. Propusimos dos algoritmos de selección de características de múltiples etiquetas que consideran las relaciones de etiqueta. Estos métodos fueron experimentalmente competitivos con los enfoques tradicionales. Además, este trabajo realizó una revisión sistemática de la literatura, resumiendo 74 artículos relacionados.Files
25868669.pdf.pdf
Files
(1.3 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:ec4781b58ab4bd2cd024519018206fa0
|
1.3 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- اختيار الميزات للتعلم متعدد العلامات: مراجعة منهجية للأدبيات وبعض التقييمات التجريبية
- Translated title (French)
- Sélection de fonctionnalités pour l'apprentissage multi-étiquettes : une revue systématique de la littérature et quelques évaluations expérimentales
- Translated title (Spanish)
- Selección de características para el aprendizaje de etiquetas múltiples: una revisión sistemática de la literatura y algunas evaluaciones experimentales
Identifiers
- Other
- https://openalex.org/W2196545531
- DOI
- 10.1080/18756891.2015.1129587
References
- https://openalex.org/W140777655
- https://openalex.org/W1500895378
- https://openalex.org/W1971733727
- https://openalex.org/W2046592845
- https://openalex.org/W2054855770
- https://openalex.org/W2070312488
- https://openalex.org/W2114315281
- https://openalex.org/W2140190241
- https://openalex.org/W2161824996