[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-117133-en":3,"doc-seo-117133-105":30,"detail-sidebar-cat-0-en-105":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":4,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},117133,549758252649,"Ivy","https://ap-avatar.wpscdn.com/avatar/8000253669c5317157?_k=1778319167496531819",8,"Research & Report","Automated Machine Learning for Multi-Label Classification","Automated machine learning (AutoML) aims to select, configure, and combine machine-learning algorithms into pipelines tailored to a specific dataset. While AutoML has achieved strong results for supervised single-label tasks such as binary and multinomial classification, multi-label classification (MLC) remains far less explored. In MLC, choosing and configuring multi-label classifiers is difficult even for experts, because it forms a high-dimensional optimization problem with hierarchical dependencies. This dissertation develops an AutoML approach for single-label pipelines and extends it to multi-label settings, analyzing scalability to increased problem complexity.","arXiv :2402 . 18198v1 [ cs .LG] 28 Feb 2024  \nAutomated Machine Learning for Multi-Label Classification  \nMarcel Wever  \nMarch 01, 2022  \nDepartment of Electrical Engineering, Computer Science and Mathematics Warburger Straße 100  \n33098 Paderborn  \nIntelligent Systems Group (ISG)  \nDissertation  \nIn partial fulfillment of the requirements for the academic degree of  \nDoctor rerum naturalium (Dr. rer. nat.)  \nAutomated Machine Learning for Multi-Label Classification  \nMarcel Wever  \n1. Reviewer Prof. Dr. Eyke Hüllermeier Künstliche Intelligenz und Maschinelles Lernen Ludwig-Maximilians-Universität München  \n2. Reviewer Prof. Dr. Axel-Cyrille Ngonga Ngomo Data Science  \nPaderborn University  \n3. Reviewer Prof. Dr. Bernd Bischl  \nStatistical Learning & Data Science  \nLudwig-Maximilians-Universität München  \nSupervisor Prof. Dr. Eyke Hüllermeier  \nMarch 01, 2022  \nMarcel Wever  \nAutomated Machine Learning for Multi-Label Classification Dissertation, March 01, 2022  \nReviewers: Prof. Dr. Eyke Hüllermeier,  \nProf. Dr. Axel-Cyrille Ngonga Ngomo, Prof. Dr. Bernd Bischl  \nSupervisor: Prof. Dr. Eyke Hüllermeier  \nIntelligent Systems and Machine Learning Department of Electrical Engineering, Computer Science and Mathematics Pohlweg 51  \n33098 Paderborn  \nDanksagung  \nEs gibt viele Menschen, die auf ihre ganz eigene Art und Weise zu dieser Arbeit beigetragen haben, und ich möchte an dieser Stelle eben diesen Menschen meinen herzlichen Dank aussprechen.  \nZuallererst möchte ich meinem Doktorvater Eyke danken, für die Möglichkeit der Promotion, sowie das Vertrauen und die Förderung, für die Inspiration und die Mitarbeit an meinen Projekten und Papieren - auch außerhalb der gängigen Öffnungszeiten. Weiterer Dank gilt auch meiner Promotionskommission, bestehend aus Axel, Bernd, Henning und Matthias, für ihre Bereitschaft, sich mit meiner Arbeit kritisch auseinanderzusetzen und an meiner Disputation teilzunehmen. Eyke, Axel und Bernd danke ich außerdem für die Anfertigung ihrer Gutachten.  \nDer ehemaligen Fachgruppe Intelligente Systeme und Maschinelles Lernen an der Universität Paderborn sowie der neuen Fachgruppe Künstliche Intelligenz und Maschinelles Lernen an der LMU möchte ich dafür Danke sagen, mich in ihre Reihen aufgenommen, begleitet und unterstützt zu haben. Ohne dieses Umfeld von Kolleg:innen wäre vieles von dem, was ich in dieser Zeit erreicht habe, nichtmöglich gewesen. Besonders danken möchte ich an dieser Stelle Elisabeth für ihreunermüdliche Unterstützung bei allen nicht-wissenschaftlichen Belangen, meinem Bürokollegen Alexander für viele wertvolle Diskussionen und nochmals Alexander sowie Viktor für das Korrekturlesen dieser Arbeit. Ein weiteres Dankeschön möchte ich den studentischen Hilfskräften aussprechen, die mich bei meinen Arbeiten über die Jahre unterstützt haben.  \nAußerdem möchte ich mich noch bei einem weiteren Kollegen und Freund bedanken Felix hat mich von Tag Null an mit ins Boot geholt, mir gezeigt, unter welchem Kurssich die Segel am besten mit Wind füllen und wie man mit den unterschiedlichsten Wetterlagen umgeht. Danke dafür, dass ich auch dann und wann mal ins kalte Wasser geschmissen wurde, damit ich meine eigenen Erfahrungen machen konnte.  \n.  \nv  \nWährend meiner Zeit als Doktorand hatte ich zudem das Privileg im DFG-Projekt\"InterGramm\" sowie im DFG Sonderforschungsbereich (SFB) 901 \"On-The-Fly Computing\" mitzuarbeiten und im Rahmen des SFBs diese Arbeit schreiben zu dürfen. An dieser Stelle möchte ich auch nochmal dem Geschäftsführer des SFBs, Ulf, fürsein Engagement und Unterstützung bei allen erdenklichen Fragen danken.  \nZu guter Letzt möchte ich meinen Eltern für ihre steten Bemühungen, mich von Beginn an zu bestärken und in allem zu fördern, von ganzem Herzen danken. Zusätzlich danke ich auch meiner Familie und meinen Freunden für ihre Unterstützung auf Schritt und Tritt, für all die wertvollen Erinnerungen und dafür, dass sie immer für mich da sind. Ganz besonders möchte ich meiner Freundin Katha","cbCaibd04uj6TiSd","https://ap.wps.com/l/cbCaibd04uj6TiSd","pdf",2782186,1,98,"English","en",105,"# Zusammenfassung\n## AutoML-Ziel und Pipeline-Ansatz\n## Single-Label vs. Multi-Label Klassifikation\n## Herausforderungen in MLC\n## Ziele und Vorgehen der Arbeit","[{\"question\":\"什么是自动化机器学习（AutoML）的核心目标？\",\"answer\":\"AutoML的核心目标是针对给定数据集选择、配置并组合机器学习算法，形成可执行的ML流水线（ML pipelines）。\"},{\"question\":\"为什么多标签分类（MLC）的AutoML比单标签分类（SLC）更具挑战？\",\"answer\":\"MLC需要为多标签分类器进行数据相关的选择与配置，即使对专家也很难，因为它是一个高维优化问题，并包含跨多个层级的层次依赖。\"},{\"question\":\"论文主要研究与扩展了哪些方向？\",\"answer\":\"论文先提出一种面向单标签分类任务的AutoML方法，用于优化最多包含两个算法的流水线；随后扩展到任意长度的流水线，并进一步配置多标签分类器的复杂层次结构，同时评估现有SLC-AutoML方法向MLC复杂度扩展的能力。\"}]","Automated Machine Learning for Multi-Label Classification | PDF",1785674048,247,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":28},"automated-machine-learning-for-multi-label-classification","",{"@graph":36,"@context":85},[37,54,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/document/research-report/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/document/automated-machine-learning-for-multi-label-classification/117133/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":62,"encodingFormat":61,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-02",true,{"@type":65,"interactionType":66,"userInteractionCount":4},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"什么是自动化机器学习（AutoML）的核心目标？","Question",{"text":75,"@type":76},"AutoML的核心目标是针对给定数据集选择、配置并组合机器学习算法，形成可执行的ML流水线（ML pipelines）。","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"为什么多标签分类（MLC）的AutoML比单标签分类（SLC）更具挑战？",{"text":80,"@type":76},"MLC需要为多标签分类器进行数据相关的选择与配置，即使对专家也很难，因为它是一个高维优化问题，并包含跨多个层级的层次依赖。",{"name":82,"@type":73,"acceptedAnswer":83},"论文主要研究与扩展了哪些方向？",{"text":84,"@type":76},"论文先提出一种面向单标签分类任务的AutoML方法，用于优化最多包含两个算法的流水线；随后扩展到任意长度的流水线，并进一步配置多标签分类器的复杂层次结构，同时评估现有SLC-AutoML方法向MLC复杂度扩展的能力。","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":92},[93,97,101,105,110,115,120,123,128,131,135],{"id":20,"doc_module":4,"doc_module_name":46,"category_name":94,"show_sort_weight":95,"slug":96},"Story & Novel",90,"story-novel",{"id":47,"doc_module":4,"doc_module_name":46,"category_name":98,"show_sort_weight":99,"slug":100},"Literature",80,"literature",{"id":53,"doc_module":4,"doc_module_name":46,"category_name":102,"show_sort_weight":103,"slug":104},"Exam",70,"exam",{"id":106,"doc_module":4,"doc_module_name":46,"category_name":107,"show_sort_weight":108,"slug":109},5,"Comic",60,"comic",{"id":111,"doc_module":4,"doc_module_name":46,"category_name":112,"show_sort_weight":113,"slug":114},6,"Technology",50,"technology",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":118,"slug":119},7,"Healthcare",40,"healthcare",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":121,"slug":122},30,"research-report",{"id":124,"doc_module":4,"doc_module_name":46,"category_name":125,"show_sort_weight":126,"slug":127},9,"Religion & Spirituality",20,"religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":129,"show_sort_weight":126,"slug":130},"World Cup","world-cup",{"id":132,"doc_module":4,"doc_module_name":46,"category_name":133,"show_sort_weight":132,"slug":134},10,"Lifestyle","lifestyle",{"id":136,"doc_module":4,"doc_module_name":46,"category_name":137,"show_sort_weight":106,"slug":138},19,"General","general"]