La clasificación de conjunto es ampliamente utilizada en algoritmos de múltiples etiquetas, y se puede dividir en conjuntos homogéneos y conjuntos heterogéneos según los tipos de clasificadores. Un conjunto heterogéneo puede generar clasificadores con mejor diversidad que un conjunto homogéneo y mejorar el rendimiento de los resultados de clasificación. Se propone un algoritmo de Grupo de Clasificadores Heterogéneos Adaptativos (AHCG). El AHCG primero propone el concepto de Grupo de Clasificadores Heterogéneos (HCG); es decir, se utilizan dos grupos de clasificadores de conjunto diferentes en las fases de prueba y entrenamiento. En segundo lugar, se propone la Estrategia de Selección Adaptativa (ASS), que puede seleccionar los clasificadores de conjunto a utilizar en la fase de prueba. Se utiliza el método de mínimos cuadrados para calcular los pesos de los clasificadores base para los clasificadores dentro del grupo y actualizar dinámicamente los clasificadores base según los pesos. Un gran número de experimentos en siete conjuntos de datos muestran que este algoritmo tiene un mejor rendimiento que la mayoría de los algoritmos de clasificación de conjunto existentes en cuanto a su precisión, valor de F1 basado en ejemplos, valor de F1 micro-averaged y valor de F1 macro-averaged.