[發明專利]一種數據分類回歸方法及裝置

有效

• 申請號: 201410242170.0
• 申請日: 2014-05-30
• 公開（公告）號: CN105138527B
• 公開（公告）日: 2019-02-12
• 發明（設計）人: 田光見;張夏天;范偉
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F16/906
• 分類號: G06F16/906
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種數據分類回歸方法，其特征在于，包括：

接收初始樣本向量集合，并根據所述初始樣本向量集合中每一個樣本向量包含的數據類型，對所述初始樣本向量集合進行劃分，獲取連續類型數據序列，類別類型數據序列，以及二進制數據序列；其中，所述初始樣本向量集合中包含至少一個樣本向量，所述樣本向量包含樣本對應的屬性信息；所述連續類型數據序列用于表征所述屬性信息中數字類型的屬性信息；所述類別類型數據序列用于表征所述屬性信息中非數字類型的屬性信息；

根據所述連續類型數據序列，生成二進制形式的第一向量序列；

根據所述類別類型數據序列，生成二進制形式的第二向量序列；

將所述第一向量序列、第二向量序列，以及所述二進制數據序列進行合并后，生成分類回歸向量序列；其中，所述分類回歸向量序列中包含多個向量；

分別根據所述分類回歸向量序列中的每一個向量，獲取所述初始樣本向量集合對應的各個類別回歸哈希桶，并分別計算所述各個類別回歸哈希桶對應的類別統計值，以及根據所述類別統計值獲取所述初始樣本向量集合的分類回歸結果；其中，所述類別回歸哈希桶中包含相應類別的樣本數目。

2.如權利要求1所述的方法，其特征在于，所述根據所述連續類型數據序列，生成二進制形式的第一向量序列，具體包括：

從所述初始樣本向量集合中按照預設規則選擇第一預設數目個樣本向量，根據選擇的樣本向量生成樣本向量集合；

針對所述樣本向量集合采用高斯分布隨機產生第一預設數目個連續類型向量組；其中，所述連續類型向量組中包含一組第一連續類型向量及其對應的第二連續類型向量，每組所述第一連續類型向量及其對應的第二連續類型向量組成一個超平面；

根據上述所有超平面，分別獲取所述連續類型數據序列中每一個樣本向量對應的二進制形式的第一向量；

根據所述所有第一向量，生成二進制形式的第一向量序列。

3.如權利要求2所述的方法，其特征在于，所述從所述初始樣本向量集合中按照預設規則選擇第一預設數目個樣本向量，根據選擇的樣本向量生成樣本向量集合，具體包括：

在本地生成一個預處理樣本向量集合，從所述初始樣本向量集合中隨機選擇任意一樣本向量加入所述預處理樣本向量集合中；

將所述預處理樣本向量集合所包含的樣本向量數目與第一預設數目進行比較，當所述預處理樣本向量集合所包含的樣本向量數目小于所述第一預設數目時，采用指定概率從所述初始樣本向量集合中選擇樣本向量加入到所述預處理樣本向量集合中，直至所述預處理樣本向量集合中的樣本向量數目達到所述第一預設數目時，停止從所述初始樣本向量集合中選擇樣本向量加入所述預處理樣本向量集合中，基于加入選定的樣本向量后的預處理樣本向量集合，生成樣本向量集合。

4.如權利要求1-3任一項所述的方法，其特征在于，所述根據所述類別類型數據序列，生成二進制形式的第二向量序列，具體包括：

將所述類別類型數據序列中的所有類別類型數據分別進行二進制編碼后，生成二進制形式的第二向量序列。

5.如權利要求1-3任一項所述的方法，其特征在于，所述分別根據所述分類回歸向量序列中的每一個向量，獲取所述初始樣本向量集合對應的各個類別回歸哈希桶，具體包括：

隨機產生第二預設數目個二進制掩碼；其中，所述二進制掩碼中1的個數為預先設置；

分別將所述分類回歸向量序列中的每一個向量分別與所述第二預設數目個二進制掩碼進行與運算，獲取所述每一個向量對應的第二預設數目個與運算后的結果；

分別根據所述每一個向量對應的第二預設數目個與運算后的結果，以及本地保存的與運算結果與類別回歸哈希桶的映射關系表，獲取所述每一個向量對應的第二預設數目個類別回歸哈希桶；

根據所述每一個向量對應的類別回歸哈希桶，獲取所述初始樣本向量集合對應的各個類別回歸哈希桶。

6.如權利要求1-3任一項所述的方法，其特征在于，所述分別計算所述各個類別回歸哈希桶對應的類別統計值，具體包括：

分別獲取各個類別回歸哈希桶中包含的樣本數目；

根據所述樣本數目，采用取統計平均值的方法，分別獲取各個類別回歸哈希桶對應的類別統計值。