论文阅读 | JMLR‘17 | 一种用于多类别多标签的易到难学习范式（An Easy-to-hard Learning Paradigm for Multiple Classes and Multiple Labels）

Liu W, Tsang I W, Müller K R. An easy-to-hard learning paradigm for multiple classes and multiple labels[J]. Journal of Machine Learning Research , 2017.

作者主要在Curriculum Learning的基础上提出了一种基于OvR和和OvO的classfier chain for multiclass classification (CCMC) ，并在证明其有效性的基础上，对他进行了明确的定义和泛化(generalize)。

这篇 paper的证明部分和最优解部分很复杂…主要思想就是证明了classifier chain的顺序对 多分类 /多标签问题的积极影响和如何寻找最优解的方法。

亮点在于它利用了认知领域的easy to hard的 学习 顺序，对任务(task)的难度进行了排序，从简单到复杂，符合人类的认知习惯——即先学习简单的任务或标签，可以更容易地学习更复杂的任务。就像在小学，大家从最简单的算术、拼音学起，之后再慢慢学习代数、文学等更加复杂和精密的学问。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删