actually transform multi-label data

actually transform multi-label data in such a way so that existing classification algorithms (i.e. binary classifiers) can be applied [55]. It would be easier to describe such algorithms using an example multi-label data in Table 2. Notice that the instances features are ignored here, because they are not really important for describing these algorithms. There are four instances belong to at least one of the four classes

Kết quả (Việt) 1:

thực sự biến đổi đa nhãn dữ liệu theo cách sao cho các thuật toán phân loại hiện có (tức là nhị phân máy phân loại) có thể là áp dụng [55]. Nó sẽ dễ dàng hơn để mô tả các thuật toán như vậy bằng cách sử dụng một ví dụ nhiều nhãn dữ liệu trong bảng 2. Thông báo rằng các tính năng trường hợp được bỏ qua ở đây, vì họ không thực sự quan trọng để mô tả các thuật toán. Có bốn trường hợp thuộc ít là một trong bốn lớp học

Kết quả (Việt) 2:

thực sự biến đổi dữ liệu đa nhãn trong một cách như vậy để phân loại các thuật toán hiện hành (tức là phân loại nhị phân) có thể được áp dụng [55]. Nó sẽ được dễ dàng hơn để mô tả thuật toán như vậy bằng cách sử dụng một dữ liệu ví dụ đa nhãn trong Bảng 2. Chú ý rằng các tính năng các trường hợp được xem xét ở đây, bởi vì họ không thực sự quan trọng để mô tả các thuật toán. Có bốn trường hợp thuộc từng ít nhất một trong bốn lớp học