[發明專利]一種缺陷預測方法及裝置

有效

• 申請號: 201310066324.0
• 申請日: 2013-02-28
• 公開（公告）號: CN104021264B
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 陳煥華;潘璐伽
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京中博世達專利商標代理有限公司11274
• 代理人: 申健

1.一種缺陷預測方法，其特征在于，包括：

根據目標屬性從預存的產品故障記錄中選擇訓練屬性集，并將所述目標屬性和所述訓練屬性集組合成訓練集；其中，所述目標屬性為歷史故障產品的缺陷屬性；

根據所述訓練集生成分類器集合；其中，所述分類器集合包含至少2個樹分類器，所述分類器集合包含的所述樹分類器的個數為N；

當生成第K-1樹分類器時，獲取生成的K-1個樹分類器的錯誤率；

當生成第K樹分類器時，獲取生成的K個樹分類器的錯誤率；以便當所述K個樹分類器的錯誤率和所述K-1個樹分類器的錯誤率的差值小于預設的閾值時，將所述K個樹分類器組合生成所述分類器集合；其中，所述K為小于等于N的整數；

將所述分類器集合作為預測模型預測故障產品的缺陷。

2.根據權利要求1所述的缺陷預測方法，其特征在于，所述訓練集包含M個訓練單元，每個訓練單元包含一個目標屬性和一個訓練屬性集；

所述根據所述訓練集生成分類器集合，包括：

從所述訓練集中選取第一訓練子集；

根據預設策略生成與所述第一訓練子集相對應的第一樹分類器；

從所述訓練集中選取第二訓練子集；

根據預設策略生成與所述第二訓練子集相對應的第二樹分類器；

從所述訓練集中選取第N訓練子集；其中，所述第N訓練子集包含M’個訓練單元，所述M’小于等于所述M；

根據預設策略生成與所述第N訓練子集相對應的第N樹分類器；其中，所述N為大于等于2的整數；

將N個樹分類器組合生成所述分類器集合。

3.根據權利要求1所述的缺陷預測方法，其特征在于，所述當生成第K樹分類器時，獲取生成的K個樹分類器的錯誤率，包括：

根據第一訓練單元從所述分類器集合中選取第一類樹分類器；

根據所述第一類樹分類器生成所述第一訓練單元的第一預測標簽；

根據第二訓練單元從所述分類器集合中選取第二類樹分類器；

根據所述第二類樹分類器生成所述第二訓練單元的第二預測標簽；

根據第M訓練單元從所述分類器集合中選取第M類樹分類器；其中，所述第M類樹分類器為未使用第M訓練單元生成樹分類器的分類器集合,所述M為訓練集中包含訓練單元的個數；

根據所述第M類樹分類器生成所述第M訓練單元的第M預測標簽；

根據M個預測標簽獲取所述生成的K個樹分類器的錯誤率。

4.根據權利要求3所述的缺陷預測方法，其特征在于，所述根據所述第M類樹分類器生成所述第M訓練單元的第M預測標簽，具體包括：

根據生成所述第M預測標簽；其中，C^OOB(M,x_M)為所述第M訓練單元的第M預測標簽，C_j為第j樹分類器，為所述第M類樹分類器，h(ε_j)為第j樹分類器的權重，C_j(x_M)為根據所述第j樹分類器和所述第M訓練單元中包含的訓練屬性集得到的目標屬性，y∈Y，Y為分類標簽集合。

5.根據權利要求4所述的缺陷預測方法，其特征在于，所述根據M個預測標簽獲取所述生成的K個樹分類器的錯誤率，具體包括：

根據獲取所述生成的K個樹分類器的錯誤率；其中，E(T)為所述生成的K個樹分類器的錯誤率,M為所述訓練集中訓練單元的個數，C^OOB(r,x_r)為所述第r訓練單元的第r預測標簽，y_r為第r訓練單元的目標屬性。

6.根據權利要求2所述的缺陷預測方法，其特征在于，在所述根據預設策略生成與所述第N訓練子集相對應的第N樹分類器之后，還包括：

從所述訓練集中選取第N’訓練子集；其中，所述第N’訓練子集與所述第N訓練子集的交集為空，所述第N’訓練子集包含至少一個訓練單元；

根據所述第N’訓練子集獲取所述第N樹分類器的誤預測率；

根據所述第N樹分類器誤預測率獲取所述第N樹分類器的權重。