論文の概要: Extreme Gradient Boosted Multi-label Trees for Dynamic Classifier Chains
- arxiv url: http://arxiv.org/abs/2006.08094v1
- Date: Mon, 15 Jun 2020 02:35:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 02:48:54.947896
- Title: Extreme Gradient Boosted Multi-label Trees for Dynamic Classifier Chains
- Title(参考訳): 動的クラシファイアチェインのための極勾配強化多ラベル木
- Authors: Bohlender, Simon and Loza Mencia, Eneldo and Kulessa, Moritz
- Abstract要約: 動的分類器チェーン(DCC)は、手元にある各インスタンスに応じて、各予測に対してラベル順序が動的に選択される。
我々は、この概念を、効果的でスケーラブルな最先端技術である極度の勾配押し上げ木(XGBoost)の強化と組み合わせる。
正のラベルのみを予測し、通常は少数であるので、トレーニングコストを大幅に削減することができる。
- 参考スコア(独自算出の注目度): 1.357087732949916
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Classifier chains is a key technique in multi-label classification, since it
allows to consider label dependencies effectively. However, the classifiers are
aligned according to a static order of the labels. In the concept of dynamic
classifier chains (DCC) the label ordering is chosen for each prediction
dynamically depending on the respective instance at hand. We combine this
concept with the boosting of extreme gradient boosted trees (XGBoost), an
effective and scalable state-of-the-art technique, and incorporate DCC in a
fast multi-label extension of XGBoost which we make publicly available. As only
positive labels have to be predicted and these are usually only few, the
training costs can be further substantially reduced. Moreover, as experiments
on eleven datasets show, the length of the chain allows for a more control over
the usage of previous predictions and hence over the measure one want to
optimize.
- Abstract(参考訳): 分類チェインはラベル依存を効果的に考慮できるため、マルチラベル分類において重要なテクニックである。
しかし、分類器はラベルの静的順序に従って整列される。
動的分類器チェーン(DCC)の概念では、手元にある各インスタンスに応じて、各予測に対してラベル順序が動的に選択される。
我々は、この概念と、効果的でスケーラブルな最先端技術である極度の勾配向上木(XGBoost)の強化を組み合わせ、DCCをXGBoostの高速マルチラベル拡張に組み込んで公開します。
正のラベルのみを予測しなければならず、通常はわずかであるので、トレーニングコストは大幅に削減できる。
さらに、11のデータセットでの実験が示すように、チェーンの長さは、以前の予測の使用をより制御できるため、最適化したい測定値よりも大きい。
関連論文リスト
- Label Cluster Chains for Multi-Label Classification [2.072831155509228]
マルチラベル分類は、複数のラベルをインスタンスに同時に割り当てることができる教師付き機械学習の一種である。
そこで本稿では,ラベル空間に分割法を適用して得られた解離相関ラベルクラスタをチェーンする手法を提案する。
提案手法は,学習と連鎖が相関するラベルクラスタをよりよく探索し,ラベル相関を学習できることを示唆する。
論文 参考訳(メタデータ) (2024-11-01T11:16:37Z) - Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly
Supervised Video Anomaly Detection [149.23913018423022]
弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。
2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。
本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-08T05:53:53Z) - Combining Metric Learning and Attention Heads For Accurate and Efficient
Multilabel Image Classification [0.0]
マルチラベル分類における2つの一般的なアプローチについて再検討する。
トランスフォーマーベースヘッドはグラフベースのブランチよりも優れた結果が得られると考えられるが、適切なトレーニング戦略により、グラフベースの手法はわずかに精度の低下を示すことができると論じる。
論文 参考訳(メタデータ) (2022-09-14T12:06:47Z) - Transductive CLIP with Class-Conditional Contrastive Learning [68.51078382124331]
雑音ラベル付き分類ネットワークをスクラッチから学習するための新しいフレームワークであるTransductive CLIPを提案する。
擬似ラベルへの依存を軽減するために,クラス条件のコントラスト学習機構を提案する。
アンサンブルラベルは、ノイズラベル付きディープニューラルネットワークのトレーニングを安定化するための擬似ラベル更新戦略として採用されている。
論文 参考訳(メタデータ) (2022-06-13T14:04:57Z) - A Three-phase Augmented Classifiers Chain Approach Based on
Co-occurrence Analysis for Multi-Label Classification [0.0]
既存のChainsメソッドは、ラベル空間の基盤となる依存性をモデル化し、利用するのは難しい。
マルチラベル分類のための共起解析に基づく3相拡張チェイン手法を提案する。
論文 参考訳(メタデータ) (2022-04-13T02:10:14Z) - Tree-Based Dynamic Classifier Chains [0.0]
動的分類連鎖は、各インスタンスが分類するために、ラベルが予測される順序が動的に選択されるという考えを表す。
静的順序付けをランダムな決定木モデルの下で使用することにより,次のラベルの動的選択が向上することを示す。
その結果,この変種はランダムな決定木や他の木に基づく多ラベル分類法よりも優れていた。
論文 参考訳(メタデータ) (2021-12-13T13:49:49Z) - A Unified Generative Adversarial Network Training via Self-Labeling and
Self-Attention [38.31735499785227]
本稿では,任意のレベルのラベリングを統一的に処理できる新しいGANトレーニング手法を提案する。
提案手法では,手動で定義したラベルを組み込むことができる人工ラベル方式を導入する。
我々は, CIFAR-10, STL-10, SVHNに対するアプローチを評価し, 自己ラベルと自己アテンションの両方が生成データの品質を継続的に向上することを示す。
論文 参考訳(メタデータ) (2021-06-18T04:40:26Z) - Binary Classification from Multiple Unlabeled Datasets via Surrogate Set
Classification [94.55805516167369]
我々は m 個の U 集合を $mge2$ で二進分類する新しい手法を提案する。
我々のキーとなる考え方は、サロゲート集合分類(SSC)と呼ばれる補助的分類タスクを考えることである。
論文 参考訳(メタデータ) (2021-02-01T07:36:38Z) - Semi-Supervised Speech Recognition via Graph-based Temporal
Classification [59.58318952000571]
半教師付き学習は自己学習による自動音声認識において有望な結果を示した。
このアプローチの有効性は、主に擬似ラベルの精度に依存する。
N-bestリストの別のASR仮説は、ラベルなしの発話に対してより正確なラベルを提供することができる。
論文 参考訳(メタデータ) (2020-10-29T14:56:56Z) - PseudoSeg: Designing Pseudo Labels for Semantic Segmentation [78.35515004654553]
ラベルなしまたは弱いラベル付きデータを用いたトレーニングのための構造化された擬似ラベルを生成するための擬似ラベルの再設計を提案する。
提案手法の有効性を,低データと高データの両方において示す。
論文 参考訳(メタデータ) (2020-10-19T17:59:30Z) - Interaction Matching for Long-Tail Multi-Label Classification [57.262792333593644]
既存のマルチラベル分類モデルにおいて,制約に対処するためのエレガントで効果的なアプローチを提案する。
ソフトなn-gram相互作用マッチングを実行することで、ラベルと自然言語記述をマッチングする。
論文 参考訳(メタデータ) (2020-05-18T15:27:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。