[發明專利]一種數據分類方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 201810190818.2
• 申請日: 2018-03-08
• 公開（公告）號: CN108491474A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 伍文岳
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 林燕云

本申請提供一種數據分類方法、裝置、設備及計算機可讀存儲介質，在兩類樣本不均衡的情況下，針對數量多的樣本，通過下采樣產生幾份同類的樣本集，針對少數類樣本通過上采樣產生新樣本，利用新樣本與少數樣本混合形成數量較多的樣本，使原本數量較少的樣本集與原本數量較多的樣本集的樣本數量均衡，并且少數類樣本與多數類樣本通過多次建模來預測數據，最終取占數量優勢的預測結果作為分類結果，通過上采樣、下采樣以及多次建模多次預測的手段來提高數據預測的準確性。

技術領域

本申請涉及信息處理技術領域，尤其涉及一種數據分類方法、裝置、設備及計算機可讀存儲介質。

背景技術

目前在數據建模將數據分類的過程中，特別是多分類的情況下，往往會存在各類樣本呈現類不均衡問題，當各類的訓練樣本數量差異相當大時，直接利用不均衡的樣本進行訓練得到分類模型的話，由于各類樣本數量的不均衡性，模型訓練的結果可能很不理想，那么利用訓練得到的模型進行預測而獲得的預測結果也不理想，甚至預測結果是相反的。

目前比較普遍的做法是將數量較少的那些樣本通過產生新樣本的方法來使得樣本數量增加，以達到與數量較多的樣本數量均衡的水平，新樣本往往需要盡可能地接近真實樣本，但新樣本畢竟不是真實的樣本，其用作模型訓練得到的模型對數據的預測結果有一定的不良影響，如果通過產生的新樣本結合原來的樣本進行單次建模預測得到的一次性預測結果一旦出現錯誤，結果將不可挽回果。

發明內容

本申請實施例提供了一種數據分類方法、裝置、設備及計算機可讀存儲介質，通過使數量不均衡的兩類樣本達到數量均衡，結合多次建模多次預測來提高數據預測的準確性，從而提高模型的預測準確性。

第一方面，本申請實施例提供了一種數據分類方法，該方法包括：

獲取樣本集，所述樣本集包括一多數類樣本集和一少數類樣本集；

根據所述多數類樣本集的總樣本數目與所述少數類樣本集的總樣本數目的比值確定第一類樣本集的預設份數和預設樣本個數；

從所述多數類樣本集中隨機抽取所述預設樣本個數的樣本形成一份所述第一類樣本集，重復多次抽取以得到所述預設份數的第一類樣本集；

根據所述少數類樣本集的總樣本數目和所述預設樣本個數確定需要生成的新樣本的預計總數目；

根據所述預計總數目利用所述少數類樣本集生成新樣本，并將所述新樣本與所述少數類樣本集混合形成第二類樣本集；

分別將每份所述第一類樣本集與所述第二類樣本集進行機器學習得到對應的分類模型；

利用所述分類模型對待分類數據進行預測分類，得到對應的預測結果；

將數量較多的預測結果確定為分類結果，將數量較多的預測結果確定為分類結果。

第二方面，本申請實施例還提供了一種數據分類裝置，該數據分類裝置包括用于執行上述的數據分類方法的單元。

第三方面，本申請實施例還提供了一種數據分類設備，所述設備包括存儲器，以及與所述存儲器相連的處理器；

所述存儲器，用于存儲實現數據分類方法的計算機程序；

所述處理器，用于運行所述存儲器中存儲的計算機程序，以執行如上述第一方面所述的方法。

第四方面，本申請實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有一個或者一個以上計算機程序，所述一個或者一個以上計算機程序可被一個或者一個以上的處理器執行，以實現上述第一方面所述的方法。