La letteratura sull'apprendimento multi-label utilizza i termini: apprendimento multi-label e classificazione multi-label. Mi stavo chiedendo quale sia la differenza tra questi termini e quando usarne uno rispetto all'altro
Entrambe sono forme di apprendimento supervisionato dove l'algoritmo di classificazione dovrebbe imparare da un insieme di esempi / esempi.
In problemi multi-classe ogni esempio è limitato ad avere solo un'etichetta di classe.
Apprendimento con più etichette è una versione generalizzata in cui ogni istanza può appartenere a più classi (ad esempio un documento di ricerca può appartenere sia alla salute che a scienza categoria).
I problemi binari e multi-classe possono essere posti come casi specifici di problemi con più etichette. Tuttavia, la generalità dei problemi con più etichette li rende più difficili degli altri.
Leggi altre domande sui tag artificial-intelligence