基于编辑最近邻规则的多标签原型选择

《Pattern Recognition》：Multi-label prototype selection based on editing nearest neighbor rule

帕纳约蒂斯·菲利帕基斯（Panagiotis Filippakis）|斯特凡诺斯·奥吉亚罗格鲁（Stefanos Ougiaroglou）|乔治奥斯·埃万杰利迪斯（Georgios Evangelidis）|迪米特里斯·A·德尔沃斯（Dimitris A. Dervos）

• •
  我们将“编辑后的最近邻”（Edited Nearest Neighbor）规则扩展到多标签分类任务中。
• •
  我们提出了三种新的算法（MLeNN-H、MLeNN-J、MLeNN-L）。
• •
  这些算法使用了汉明距离（Hamming distance）、杰卡德距离（Jaccard distance）和莱文斯坦距离（Levenshtein distance）来处理标签集合。
• •
  我们的算法在准确性方面优于随机实例选择方法。
• •
  平均而言，可以在不牺牲准确性的情况下实现高达50%的数据量减少。