python - 多标签分类 ML-kNN 与 KNN

Question

这可能是一个愚蠢的问题，但我只是想知道在 scikit.ml 中实现的 ML-KNN 与 scikit-learn 的 KNeighborsClassifier 之间的区别是什么。根据sklearn's docs KNeighborsClassifier 支持多标签分类。然而，ML-KNN 是 KNN 适用于建立在 sklearn 架构之上的多标签分类，基于它的 docs .

在搜索样本多标签问题时，MLkNN 大多出现，但我不明白如果它已经支持它，那么使用它是否比 sklearn 的基本实现有任何优势。这只是 sklearn 方面的后期改编，还是在实现方面存在更多差异？

欢迎任何意见。谢谢!

Answer 1

scikit-multilearn 的 ML-KNN 实现是 scikit-learn 的 KNeighborsClassifier 的改进版本。它实际上是建立在它之上的。在找到训练数据中的k个最近邻之后，它使用最大后验原则来标记一个新实例以达到更好的性能。此外，由于它在内部使用 SciPy 稀疏矩阵库对稀疏矩阵进行运算，因此它具有很高的内存效率。更多信息 here和 here .