Multilabel classification with neural network

Çok etiketli sınıflandırma, birçok uygulama için büyük öneme sahiptir, aynı zamanda zorlu bir araştırma konusudur. İkili hedefler içeren bir tür denetimli öğrenmedir. Çok etiketli sınıflandırma problemlerinde çok etiketli ve ikili sınıflandırma arasındaki mesafe, birden fazla sınıfa sahip olmaktır. Özellikler bir sınıfa veya birçok sınıfa ait olabilir. Görüntü etiketleme, metin kategorizasyonu, gen işlevselliği gibi çok etiketli tahmin için geniş bir uygulama yelpazesi bulunmaktadır. Özellikler birçok sınıfta sınıflandırılmış olsa da, her zaman uygun şekilde sınıflandırılamayabilirler. Sınıflandırma için birçok topluluk yöntemi vardır. Bununla birlikte, araştırmacıların çoğu, daha iyi çoklu etiket yöntemleri konusunda endişe duymaktadır. Özellikle bazıları, daha iyi çok etiketli sınıflandırma uygulamak için hem sınıflandırıcıların verimliliğine hem de ikili bağlara aynı anda odaklanır. Bu çalışmada, sorunları yararlı bir şekilde ele almak ve çok etiketli sınıflandırmadan daha iyi etkiler elde etmek için k - En Yakın Komşu algoritmasından ve yapay sinir ağı yapısından sırayla yararlanarak değiştirilmiş topluluk yöntemleri üzerinde çalıştık. Farklı veri setleri üzerinde algoritmamızı uyguladık. Algoritmamız, farklı metriklere sahip her veri kümesi için kıyaslamalardan daha iyi performans gösterir. Algoritmanın sonucu, en gelişmiş sonuçlarla rekabet edebilir ölçüdedir ve doğruluk açısından rakiplerini geçen sonuçlar elde edilmiştir.