《表2 数据集的主要特征：基于标签特征和相关性的多标签分类算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于标签特征和相关性的多标签分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文使用|D|、dim（D）和L（D）分别表示数据集D中实例的数目、特征数和可能的标签数。为了验证LSFLC的性能，选择了八个有代表性的数据集，这些数据集通常用于多标签学习，如表2所示。为了描述引言中类不平衡问题，这里定义多标签属性aveR（D）表示数据集D不平衡率的平均值，定义PaveR（D）表示第一步正类实例补充之后的数据集不平衡率的平均值。