While some of the learning methods

While some of the learning methods above does incorporate label correlations into account
during training, a number of methods (e.g. BR, ) are criticized for assuming label independence.
One simple method that takes into account this label dependence is the Hierarchical Binary Relevance (HBR) (given a hierarchy, traing a binary classifier for each non-root class) method, where an implicit constraint is that an instance cannot belong to a class if it is not associated with its parent. Similar hierarchical approach has been utilized in all tree based methods (e.g. Tree Based Boosting, HOMER etc.).
All these methods are capable of utilizing label dependencies reflected in their improved predictive accuracies.

Kết quả (Việt) 1:

Trong khi một số trong những phương pháp học tập trên kết hợp nhãn tương quan vào tài khoản trong thời gian đào tạo, một số phương pháp (ví dụ: BR,) được chỉ trích vì giả định nhãn độc lập. Một phương pháp đơn giản mà sẽ đưa vào tài khoản này phụ thuộc vào nhãn là mức độ liên quan nhị phân phân cấp (HBR) (cho một hệ thống phân cấp, trạng nhị phân loại cho mỗi lớp gốc) phương pháp, nơi một hạn chế tiềm ẩn là một thể hiện không thể thuộc về một lớp học nếu nó không phải là liên kết với cha của nó. Cách tiếp cận phân cấp tương tự đã được sử dụng trong tất cả các phương pháp cây dựa (ví dụ như cây dựa trên thúc đẩy, HOMER vv.). Tất cả những phương pháp này có khả năng sử dụng nhãn phụ thuộc được phản ánh trong của phàm kiểu cải tiến.

Kết quả (Việt) 2:

Trong khi một số các phương pháp học tập trên không kết hợp tương quan nhãn vào tài khoản
trong quá trình đào tạo, một số phương pháp (BR,) đều chỉ trích vì giả nhãn độc lập.
Một phương pháp đơn giản mà sẽ đưa vào tài khoản phụ thuộc nhãn này là Binary Relevance Hierarchical (HBR) (cho một hệ thống phân cấp, Traing một bộ phân loại nhị phân cho mỗi lớp không root) phương pháp, nơi một ràng buộc ngầm là một ví dụ không thể thuộc về một lớp học nếu nó không được kết hợp với cha mẹ của nó. Cách tiếp cận thứ bậc tương tự đã được sử dụng trong tất cả các phương pháp dựa trên cây (ví dụ Tree Dựa Boosting, HOMER vv).
Tất cả những phương pháp này có khả năng sử dụng phụ thuộc nhãn phản ánh trong độ chính xác dự đoán họ được cải thiện.