【文件属性】：
文件名称：sticker:包装标签提供了多标签分类的框架
文件大小：213KB
文件格式：ZIP
更新时间：2021-05-18 20:12:59
golang machine-learning classification sticker multi-label
包装标签提供了用于多标签分类的框架。
版权所有2017-青岛宏（ ）。
介绍
包装标签提供了用于多标签分类的框架。
贴纸是用golang编写的，因此每个人都可以在几乎所有环境中轻松地对其进行修改和编译。 您可以在上看到贴纸的文档。
安装
首先，下载并安装。 接下来，获取并安装标签，如下所示：
go get github.com/hiro4bbh/sticker
go install github.com/hiro4bbh/sticker/sticker-util
一切都已安装，然后您可以立即尝试sticker的实用程序命令行工具sticker-util ！
准备数据集
首先，您应该准备数据集。 标签假定数据集的以下目录结构：
+ dataset-root
|-- train.txt: training dataset
|-- text.txt: test dataset
|-
【文件预览】：
sticker-master
----.gitignore(10B)
----label_const_test.go(2KB)
----label_one_test.go(3KB)
----doc.go(88B)
----init.go(96B)
----.travis.yml(88B)
----math32_test.go(861B)
----rank.go(4KB)
----jaccard_hashing.go(6KB)
----label_one.go(9KB)
----LICENSE(1KB)
----label_near_test.go(5KB)
----dataset_test.go(12KB)
----jaccard_hashing_test.go(3KB)
----logo.svg(787B)
----label_const.go(3KB)
----rank_test.go(9KB)
----README.md(5KB)
----plugin()
--------label_boost.go(13KB)
--------binary_ranker.go(4KB)
--------init.go(537B)
--------next()
--------clustering_test.go(2KB)
--------label_forest.go(27KB)
--------clustering.go(6KB)
--------painter.go(6KB)
--------label_forest_test.go(13KB)
--------binary_classifier_test.go(8KB)
--------left_right_assigner.go(8KB)
--------dataset_sub_sampler_test.go(4KB)
--------binary_classifier.go(10KB)
--------dataset_sub_sampler.go(4KB)
--------left_right_assigner_test.go(13KB)
----math32.go(2KB)
----binary_classifier_test.go(8KB)
----binary_classifier.go(11KB)
----label_near.go(7KB)
----sticker-util()
--------summarize_command.go(10KB)
--------res()
--------train_near_command.go(3KB)
--------test_boost_command.go(4KB)
--------train_one_command.go(3KB)
--------train_forest_command.go(7KB)
--------train_nearest_command.go(3KB)
--------test_const_command.go(3KB)
--------shuffle_command.go(7KB)
--------test_nearest_command.go(6KB)
--------test_forest_command.go(5KB)
--------test_near_command.go(4KB)
--------template_standard_functions.go(6KB)
--------main.go(439B)
--------compare_forest_command.go(4KB)
--------test_one_command.go(5KB)
--------prune_one_command.go(2KB)
--------inspect_forest_command.go(3KB)
--------options.go(22KB)
--------inspect_one_command.go(3KB)
--------common()
--------train_const_command.go(3KB)
--------train_boost_command.go(4KB)
----label_nearest_test.go(5KB)
----label_nearest.go(10KB)
----dataset.go(18KB)