多标签分类算法(基于联合概率的多标签分类算法)

传统分类主要研究如何将每一条数据更准确地分类到预定义的类别中。如果只有一个候选类别，问题是它是否属于该类别；如果有多个类别，问题是选择一个类别作为输出。这种问题称为单标签问题。 多标签问题和单标签问题有本质区别：数据可以同时属于多个类别。目前，解决多标签分类主要有两种方法：问题转化和算法自适应。k最近邻是一种惰性学习方法。张等人