Actualmente estoy buscando una implementación de AdaBoost multilabel para MATLAB o una técnica para usar eficientemente una implementación de dos etiquetas para la caja multilabel. Cualquier ayuda en ese asunto sería apreciada.AdaBoost Multilabel para MATLAB
Puede utilizar el mismo enfoque utilizado en Support Vector Machines. SVMs son clasificadores originalmente binarios, se propusieron varios enfoques para la manipulación de datos multiclase:
uno contra todos: construir un clasificador binario por clase, y entrenar con casos en esta clase los casos positivos y todos los demás instancias como casos negativos (es decir: 1-vs-not1, 2-vs-not2, 3-vs-not3). Finalmente, use la probabilidad posterior de cada clasificador para predecir la clase.
uno contra uno: construir varios clasificadores binarios para cada par de clases (es decir: 1-vs-2, 1-vs-3, 2-VS-3, ..) simplemente formación durante las instancias de ambas clases. Luego puede combinar los resultados individuales usando un voto mayoritario.
códigos correctores de errores de salida: basadas en la teoría de corrección de errores (código de Hamming y tal), se basa en la codificación de la salida de varios clasificador binario usando algo de redundancia para aumentar la precisión.
Tenga en cuenta que estos métodos son genéricos y se pueden aplicar a cualquier clasificador binario.
lo contrario, puede buscar una implementación específica del multiclase Adaboost, que estoy seguro de que hay mucho por ahí .. Una búsqueda rápida reveló éste: Multiclass GentleAdaboosting
Puede utilizar Adaboost.M2, es un multiclase adaboost, puede encontrar una implementación en la caja de herramientas de Balu here el comando es Bcl_adaboost esta caja de herramientas tiene otras cosas útiles, solo recuerde hacer una referencia. Espero eso ayude.
Hablando en términos teóricos, el único aumento de clase múltiple correcto es el definido en A theory of multiclass boosting