La clasificación de etiquetas múltiples es un problema de aprendizaje supervisado en el que se entrena un modelo para asignar cada documento de entrada a un conjunto de etiquetas, donde se pueden asociar una o más etiquetas con cada documento. Es diferente de la clasificación de clases múltiples, que solo asigna una etiqueta única a cada elemento en una entrada determinada.
La clasificación multietiqueta se puede utilizar cuando las clases de los objetos son jerárquicas. Por ejemplo, al clasificar una imagen de un automóvil, se puede colocar en las etiquetas "vehículo" y "automóvil". En este caso, la etiqueta "coche" es una subetiqueta de la etiqueta más general "vehículo". La clasificación multietiqueta con etiquetas jerárquicas permite que la etiqueta dada sea más específica.
La clasificación de etiquetas múltiples también puede ser más precisa al clasificar datos complejos, ya que permite múltiples etiquetas y permite a la máquina tomar decisiones basadas en todas las etiquetas asociadas con un artículo determinado. Por ejemplo, al clasificar una imagen de un vehículo, la clasificación de etiquetas múltiples permite que la máquina elija según las etiquetas de “automóvil”, “motocicleta”, “camión”, etc.
La clasificación de etiquetas múltiples también se puede utilizar en tareas de categorización basadas en texto, como artículos de noticias. Aquí, un artículo determinado se puede clasificar con las etiquetas del tema del artículo, la región con la que está relacionado e incluso el sentimiento expresado en el texto.
La clasificación de etiquetas múltiples se ha vuelto cada vez más popular a medida que también ha aumentado la disponibilidad y disponibilidad de grandes conjuntos de datos etiquetados. Aprovechando la capacidad de Multilabel Classification para asignar múltiples etiquetas a los datos, se puede lograr una mayor precisión.
