Decision functions for chain classifiers based on Bayesian networks for multi-label classification

Varando, Gherardo; Bielza Lozoya, María Concepción y Larrañaga Múgica, Pedro María (2015). Decision functions for chain classifiers based on Bayesian networks for multi-label classification. "International Journal of Approximate Reasoning", v. 68 (n. c); pp. 164-178. ISSN 0888-613X. https://doi.org/10.1016/j.ijar.2015.06.006.

Descripción

Título: Decision functions for chain classifiers based on Bayesian networks for multi-label classification
Autor/es:
  • Varando, Gherardo
  • Bielza Lozoya, María Concepción
  • Larrañaga Múgica, Pedro María
Tipo de Documento: Artículo
Título de Revista/Publicación: International Journal of Approximate Reasoning
Fecha: 2015
Volumen: 68
Materias:
Palabras Clave Informales: Bayesian network classifier; Multi-label classification; Expressive power; Chain classifier; Binary relevance; Decision functions
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (848kB) | Vista Previa

Resumen

Multi-label classification problems require each instance to be assigned a subset of a defined set of labels. This problem is equivalent to finding a multi-valued decision function that predicts a vector of binary classes. In this paper we study the decision boundaries of two widely used approaches for building multi-label classifiers, when Bayesian networkaugmented naive Bayes classifiers are used as base models: Binary relevance method and chain classifiers. In particular extending previous single-label results to multi-label chain classifiers, we find polynomial expressions for the multi-valued decision functions associated with these methods. We prove upper boundings on the expressive power of both methods and we prove that chain classifiers provide a more expressive model than the binary relevance method.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaC080020-09Sin especificarUniversidad Politécnica de MadridCajal Blue Brain
Gobierno de EspañaTIN2013-41592-PSin especificarUniversidad Politécnica de MadridAPRENDIZAJE DE REDES BAYESIANAS CON VARIABLES SIN Y CON DIRECCIONALIDAD PARA DESCUBRIMIENTO DE ASOCIACIONES, PREDICCION MULTIRESPUESTA Y CLUSTERING
Comunidad de MadridS2013/ICE-2845-CASI-CAM-CMSin especificarSin especificarConceptos y Aplicaciones de los Sistemas Inteligentes

Más información

ID de Registro: 41022
Identificador DC: http://oa.upm.es/41022/
Identificador OAI: oai:oa.upm.es:41022
Identificador DOI: 10.1016/j.ijar.2015.06.006
URL Oficial: http://www.sciencedirect.com/science/article/pii/S0888613X15000900
Depositado por: Memoria Investigacion
Depositado el: 31 Oct 2016 13:08
Ultima Modificación: 31 Oct 2016 13:08
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM