An empirical analysis of binary transformation strategies and base algorithms for multi-label learning (2020)
- Authors:
- Autor USP: CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC
- Unidade: ICMC
- DOI: 10.1007/s10994-020-05879-3
- Subjects: APRENDIZADO COMPUTACIONAL; RECONHECIMENTO DE PADRÕES; ALGORITMOS ÚTEIS E ESPECÍFICOS
- Keywords: Multi-label learning; Binary transformation; Comparison of strategies; Base algorithms; Empirical analysis
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Machine Learning
- ISSN: 0885-6125
- Volume/Número/Paginação/Ano: v. 109, n. 8, p. 1509-1563, Aug. 2020
- Status:
- Artigo possui acesso gratuito no site do editor (Bronze Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
RIVOLLI, Adriano et al. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, v. 109, n. 8, p. 1509-1563, 2020Tradução . . Disponível em: https://doi.org/10.1007/s10994-020-05879-3. Acesso em: 07 maio 2026. -
APA
Rivolli, A., Read, J., Soares, C., Pfahringer, B., & Carvalho, A. C. P. de L. F. de. (2020). An empirical analysis of binary transformation strategies and base algorithms for multi-label learning. Machine Learning, 109( 8), 1509-1563. doi:10.1007/s10994-020-05879-3 -
NLM
Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2026 maio 07 ] Available from: https://doi.org/10.1007/s10994-020-05879-3 -
Vancouver
Rivolli A, Read J, Soares C, Pfahringer B, Carvalho ACP de LF de. An empirical analysis of binary transformation strategies and base algorithms for multi-label learning [Internet]. Machine Learning. 2020 ; 109( 8): 1509-1563.[citado 2026 maio 07 ] Available from: https://doi.org/10.1007/s10994-020-05879-3 - Gabinete pequeno é destaque de pc itautec
- New data strucutre and spanning forest operators for evolutionay algorithms
- Metalearning for context-aware filtering: selection of tensor factorization algorithms
- Evolutionary tuning of SVM parameter values in multiclass problems
- Dimensionality reduction for the algorithm recommendation problem
- Making data stream classification tree-based ensembles lighter
- A study of biclustering coherence measures for gene expression data
- Anomaly detection through temporal abstractions on intensive care data: position paper
- CF4CF: recommending collaborative filtering algorithms using collaborative filtering
- A machine learning-based approach for prediction of plant protection product deposition
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
2998614.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
