机器学习和生物信息学实验室联盟

标题: 多标记特征选择code [打印本页]

作者: xuqian    时间: 2016-11-14 16:38
标题: 多标记特征选择code
本帖最后由 xuqian 于 2016-11-14 16:49 编辑

多标记特征选择代码汇总框架:
       该代码汇总框架中集成了多标记特征选择的多种算法,跑对比实验时,只需每次选择不同的method即可。

代码简要说明
(1) demo_mlfs.m
demo_mlfs.m为整个框架的运行函数。函数内可以设置数据集(datalist),参数(lamda, p……),运行的算法(method),评价指标(HammingLoss,RankingLoss,OneError,Coverage,Average_Precision,micro_F,macro_F)等。

(2) evalute_mlfs.m
evalute.m中集成了许多多标记特征选择的算法。如:PMU,MLNB,MDDM,SFUS等。通过switch-case语句进行每种方法的参数设置及函数调用。
每种method对应的论文请根据简称在“多标记特征选择paper”帖子下查找。

(3) evaluate_mlmlnum
该函数主要实现算法的performance评价,包含了七个评价指标,分别是HammingLoss,RankingLoss,OneError,Coverage,Average_Precision,micro_F,macro_F。

附上框架代码如下:

作者: xuqian    时间: 2016-12-7 21:38
本帖最后由 xuqian 于 2016-12-13 09:38 编辑

多标记学习评价函数

(1) multi_label_evaluation.m中集成了:

等多种评价准则。超棒!

(2) 函数说明:
% this function implements different types of evaluation metrics of multi-label learning
% please see NIPS 2011 "A Literature Survey on Algorithms for Multi-label Learning" for detailed definitions of all metrics

% Input:
%       label_matrix_prediction, m x n matrix
%       label_matrix_gt, m x n matrix, each entry \in {-1, 1}
%       options, has the following fields
%            -- type, 'ranking', 'example-based-partition', 'label-based-partition'

(3) 使用样例可以参照multi_label_evaluation_wrapped.m函数。
作者: zouquan    时间: 2016-12-9 09:01
赞,我来试试在生物信息数据中好不好使:)
作者: xuqian    时间: 2016-12-13 09:41
zouquan 发表于 2016-12-9 09:01
赞,我来试试在生物信息数据中好不好使:)

邹老师可以尝试一下{:243:}。另外我更新了一下附件,把评价的相关函数和使用样例也上传了。有需要的话,邹老师可以重新下载。




欢迎光临 机器学习和生物信息学实验室联盟 (http://123.57.240.48/) Powered by Discuz! X3.2