CCDM競(jìng)賽回顧和總結(jié)ppt課件

1、CCDM競(jìng)賽回顧與總結(jié)競(jìng)賽回顧與總結(jié)目錄第一頁(yè)第一頁(yè)13比賽基本介紹多標(biāo)記分類任務(wù)多分類任務(wù)比賽基本介紹第二頁(yè)第二頁(yè)主辦單位：中國(guó)計(jì)算機(jī)學(xué)會(huì)&中國(guó)人工智能學(xué)會(huì)協(xié)辦單位：中國(guó)計(jì)算機(jī)學(xué)會(huì)模式識(shí)別與人工智能專委會(huì) 中國(guó)人工智能學(xué)會(huì)機(jī)器學(xué)習(xí)專委會(huì)指導(dǎo)專家：周志華等評(píng)審專家：郭茂祖、朱軍等比賽基本介紹第三頁(yè)第三頁(yè)競(jìng)賽時(shí)間：2019/01/05 2019/03/15數(shù) 據(jù) 集：醫(yī)學(xué)診斷數(shù)據(jù)比賽任務(wù)：Task1 多標(biāo)記Task2 多分類比賽基本介紹第四頁(yè)第四頁(yè)目 標(biāo) : 前三名02/1302/2002/2102/2802/2903/0503/0603/1203/1303/15jikicaxiJHHT

2、xmu_dmlabCUG_MinersjikicaxiJHHTFZU_BRRFCUG_MinersYurixmu_dmlabxmu_dmlabjikicaxiJHHTCUG_MinersYuriJHHTxmu_dmlabJikicaxiYurixmu_dmlabJHHTjikicaxi排名123456目錄第五頁(yè)第五頁(yè)13比賽基本介紹多標(biāo)記分類任務(wù)多分類任務(wù)多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)第六頁(yè)第六頁(yè)DatasetDomainInstancesFeaturesLabelsMulti-labelMedical90412912數(shù)據(jù)集概況和人員多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)第七頁(yè)第七頁(yè)特征分布：稀疏數(shù)據(jù)集分

3、析多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)第八頁(yè)第八頁(yè)相關(guān)標(biāo)記分布數(shù)據(jù)集分析多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)第九頁(yè)第九頁(yè)Average Precision評(píng)價(jià)指標(biāo)10010.870.330.260.67Bipartition: a bipartition of the labels into relevant and irrelevantConfidences: the probability of each label being positiveRanking: the rank of each label, ranging from 1 to array length4213多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)

4、第十頁(yè)第十頁(yè)解決思路Classifier PoolFeaturePoolC1C2CKEnsemblePredictions多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)第十一頁(yè)第十一頁(yè)解決思路Classifier PoolFeaturePoolRAkELHOMERMLkNNEnsemblePredictionsGainRatio多標(biāo)記分類任務(wù)多標(biāo)記分類任務(wù)第十二頁(yè)第十二頁(yè)解決思路GainRatioAttributeEval Top 120Tsoumakas G, Katakis I, Vlahavas I. Mining multi-label dataM/Data mining and knowledge d

5、iscovery handbook. Springer US, 2019: 667-685.目錄第十三頁(yè)第十三頁(yè)134比賽基本介紹多標(biāo)記分類任務(wù)多分類任務(wù)總結(jié)多分類任務(wù)多分類任務(wù)第十四頁(yè)第十四頁(yè)DatasetDomainInstancesFeaturesClassesMulti-ClassMedical50314103數(shù)據(jù)集概況和人員多分類任務(wù)多分類任務(wù)第十五頁(yè)第十五頁(yè)特征：nominal&numeric數(shù)據(jù)集分析PCA:Retain 95% variance.多分類任務(wù)多分類任務(wù)第十六頁(yè)第十六頁(yè)樣本分布數(shù)據(jù)集分析多分類任務(wù)多分類任務(wù)第十七頁(yè)第十七頁(yè)F1 Score評(píng)價(jià)指標(biāo)TPTNFN

6、FP相關(guān) 不相關(guān)檢索到未檢索到Precision = FPTPTP FPTPTPFPTPTPRecall = FNTPTPF1-Score = ecisioncallecisioncallPrRePrRe2多分類任務(wù)多分類任務(wù)第十八頁(yè)第十八頁(yè)解決思路Classifier PoolFeaturePoolC1C2CKEnsemblePredictionsPCAGainRatioL1RBMMID/MIQScaleLRSVMsDTRFBaggingAdaBoostCost-SensitiveGBDT多分類任務(wù)多分類任務(wù)第十九頁(yè)第十九頁(yè)解決思路多分類任務(wù)多分類任務(wù)第二十頁(yè)第二十頁(yè)解決思路Tsoumakas G, Katakis I, Vlahavas I. Mining multi-label dataM/Data mining and knowledge discovery handbook. Springer US, 20