Online MLAL has three major modules

Online MLAL has three major modules: multi-label active learning, online multi-label learning, and new label learning from zero knowledge. The first one is a simple active learning module that selects the most informative instance-label pair (x ∗ s , λ ∗ s ) to reduce the uncertainty along both instance and label dimensionalities, based on Bayesian classification error over a sample of all instances. The assumption for Online MLAL is that the data is increasing batch by batch and once and an initial classifier is build on the first batch, it can be updated through active learning over succeeding batches.

Kết quả (Việt) 1:

Trực tuyến MLAL có ba module chính: nhiều nhãn hoạt động học tập, học đa nhãn trực tuyến và học tập nhãn mới từ số không kiến thức. Người đầu tiên là một module học tập tích cực đơn giản chọn các cặp Ví dụ nhãn đặt thông tin (x ∗ s, λ ∗ s) để giảm sự không chắc chắn dọc theo cả hai trường hợp và nhãn dimensionalities, dựa trên Bayes phân loại lỗi trên một mẫu của tất cả các trường hợp. Giả định cho MLAL trực tuyến là rằng dữ liệu đang gia tăng hàng loạt bởi hàng loạt và một lần và một loại ban đầu là xây dựng trên loạt đầu tiên, nó có thể được cập nhật thông qua học tập tích cực hơn thành công lô.

Kết quả (Việt) 2:

Trực tuyến MLAL có ba môđun chính: multi-label hoạt động học tập, học tập đa nhãn trực tuyến, và nhãn mới học từ số không hiểu biết. Người đầu tiên là một mô-đun học tập tích cực đơn giản mà chọn dụ nhãn cặp thông tin nhất (x * s, λ * s) để giảm sự không chắc chắn dọc hai dụ và nhãn và kích thước khu, dựa trên một lỗi phân loại Bayesian trên một mẫu của tất cả các trường hợp. Giả thiết cho tuyến MLAL là các dữ liệu đang tăng lên hàng loạt của hàng loạt và một lần và một phân loại ban đầu được xây dựng trên lô hàng đầu tiên, nó có thể được cập nhật thông qua học tập tích cực hơn thành công lô.