CCDM竞赛回顾和总结.pptVIP

极度稀疏的数据，例如label 12 18.7% * 极度稀疏的数据，例如label 12 18.7% * 极度稀疏的数据，例如label 12 18.7% * 比赛介绍：CCDM比赛背景/实验室的参与,同学和老师的支持 * 目标非常明确，前三名 * 极度稀疏的数据，例如fea115，特征值全部为0 * 极度稀疏的数据，例如label 12 18.7% * 极度稀疏的数据，例如label 12 18.7% * 极度稀疏的数据，例如label 12 18.7% * 极度稀疏的数据，例如label 12 18.7% * 极度稀疏的数据，例如label 12 18.7% * CCDM竞赛回顾与总结 目录 第一页 1 3 比赛基本介绍 多标记分类任务 多分类任务 比赛基本介绍 第二页 主办单位：中国计算机学会中国人工智能学会 协办单位：中国计算机学会模式识别与人工智能专委会 中国人工智能学会机器学习专委会 指导专家：周志华等 评审专家：郭茂祖、朱军等 比赛基本介绍 第三页 竞赛时间：2014/01/05 —— 2014/03/15 数 据 集：医学诊断数据 比赛任务：Task1 多标记 Task2 多分类 比赛基本介绍 第四页 目 标 : 前三名 02/13 02/20 02/21 02/28 02/29 03/05 03/06 03/12 03/13 03/15 jikicaxi JHHT xmu_dmlab CUG_Miners jikicaxi JHHT FZU_BRRF CUG_Miners Yuri xmu_dmlab xmu_dmlab jikicaxi JHHT CUG_Miners Yuri JHHT xmu_dmlab Jikicaxi Yuri xmu_dmlab JHHT jikicaxi 排名 1 2 3 4 5 6 目录 第五页 1 3 比赛基本介绍 多标记分类任务 多分类任务 多标记分类任务 第六页 Dataset Domain Instances Features Labels Multi-label Medical 904 129 12 数据集概况和人员 多标记分类任务 第七页 特征分布：稀疏 数据集分析 多标记分类任务 第八页 相关标记分布 数据集分析 多标记分类任务 第九页 Average Precision 评价指标 1 0 0 1 0.87 0.33 0.26 0.67 Bipartition: a bipartition of the labels into relevant and irrelevant Confidences: the probability of each label being positive Ranking: the rank of each label, ranging from 1 to array length 4 2 1 3 多标记分类任务 第十页 解决思路 Classifier Pool Feature Pool C1 C2 CK … Ensemble Predictions 多标记分类任务 第十一页 解决思路 Classifier Pool Feature Pool RAkEL HOMER MLkNN … Ensemble Predictions GainRatio 多标记分类任务 第十二页 解决思路 GainRatioAttributeEval Top 120 Tsoumakas G, Katakis I, Vlahavas I. Mining multi-label data[M]//Data mining and knowledge discovery handbook. Springer US, 2010: 667-685. 目录 第十三页 1 3 4 比赛基本介绍 多标记分类任务 多分类任务 总结 多分类任务 第十四页 Dataset Domain Instances Features Classes Multi-Class Medical 5031 410 3 数据集概况和人员 多分类任务 第十五页 特征：nominalnumeric 数据集分析 PCA: Retain 95% variance. 多分类任务 第十六页 样本分布 数据集分析 多分类任务 第十七页 F1 Score 评价指标 TP 相关 不相关 检索到 未检索到 Precision = Recall = F1-Score = 多分类任务 第十八页 解决思路 Classifier Pool Feature Pool C1 C2 CK … Ensemble Predictions