用于 MATLAB 的多标签 AdaBoost
我目前正在寻找 MATLAB 的多标签 AdaBoost 实现，或者针对多标签情况有效使用双标签实现的技术。任何有关此事的帮助将不胜感激。
I am currently looking for a multilabel AdaBoost implementation for MATLAB or a technique for efficiently using a two-label implementation for the multilabel case. Any help in that matter would be appreciated.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（3）
您可以使用支持向量机中使用的相同方法。 SVM 最初是二元分类器，人们提出了几种处理多类数据的方法：
一对一：为每个类构造一个二元分类器，并用该类中的实例作为正例和所有实例进行训练其他实例作为反例（即：1-vs-not1、2-vs-not2、3-vs-not3）。最后使用每个分类器的后验概率来预测类别。
一对一：为每对类构造几个二元分类器（即：1-vs-2、1-vs-3、2-vs-3，..）只需对两个类的实例进行训练即可。然后，您可以使用多数投票来组合各个结果。
纠错输出代码：基于纠错理论（汉明码等），它依靠使用一些冗余对多个二元分类器的输出进行编码来提高准确性。
请注意，这些是通用方法，可以应用于任何二元分类器。
否则，您可以搜索多类 Adaboost 的特定实现，我确信那里有很多。快速搜索揭示了这个：多类 GentleAdaboosting
You can use the same approach used in Support Vector Machines. SVMs are originally binary classifiers, several approaches were proposed for handling multiclass data:
one-against-all: construct one binary classifier per class, and train with instances in this class as positive cases and all other instances as negative cases (ie: 1-vs-not1, 2-vs-not2, 3-vs-not3). Finally use the posterior probability of each classifier to predict the class.
one-against-one: construct several binary classifiers for each pair of classes (ie: 1-vs-2, 1-vs-3, 2-vs-3, ..) by simply training over the instances from both classes. Then you can combine the individual results using a majority vote.
Error Correcting Output Codes: based on the theory of error correction (Hamming code and such), it relies on coding the output of several binary classifier using some redundancy to increase accuracy.
Note these are generic method and can applied to any binary classifier.
Otherwise you can search for a specific implementation of multiclass Adaboost, which I'm sure there are plenty out there.. A quick search revealed this one: Multiclass GentleAdaboosting
你可以使用Adaboost.M2，它是一个多类adaboost，你可以在Balu工具箱这里找到一个实现命令是Bcl_adaboost这个工具箱还有其他有用的东西，记得参考一下。希望有帮助。
You can use Adaboost.M2, its a multiclass adaboost, you can found an implementation in Balu toolbox here the command is Bcl_adaboost this toolbox has other useful stuff, just remember to reference. Hope it helps.
从理论上讲，唯一正确的多类提升是多类提升理论中定义的多类提升
Theoretically speaking, the only correct multi-class boosting is the one defined in A theory of multiclass boosting