[發明專利]數據解析裝置

在審

• 申請號: 201880097252.7
• 申請日: 2018-09-13
• 公開（公告）號: CN112654864A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 藤田雄一郎;野田陽
• 申請（專利權）人: 株式會社島津制作所
• 主分類號: G01N27/62
• 分類號: G01N27/62
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種數據解析裝置，基于關于多個樣本的被賦予了標簽的教師數據來構建機器學習模型，使用該機器學習模型來識別未知的樣本并賦予標簽，該數據解析裝置的特征在于，

具備錯誤標簽檢測部，該錯誤標簽檢測部在所述教師數據中檢測錯誤標簽狀態的樣本，

該錯誤標簽檢測部具備：

a)重復識別執行部，其多次重復以下一系列處理：使用從所述教師數據中選擇出的、或者與該教師數據不同的作為帶標簽的數據的模型構建用數據來構建機器學習模型，將構建出的該機器學習模型應用于從所述教師數據中選擇出的模型驗證用數據來識別樣本并進行標簽賦予；以及

b)錯誤標簽判定部，在由所述重復識別執行部多次重復進行一系列處理時，該錯誤標簽判定部針對每個樣本求出作為所述一系列處理的識別結果的標簽與原本賦予到數據中的標簽不一致的錯誤識別的次數，基于該錯誤識別的次數或該錯誤識別的概率來判定樣本是否為錯誤標簽狀態。

2.根據權利要求1所述的數據解析裝置，其特征在于，

所述錯誤標簽檢測部使用從教師數據中去除了被所述錯誤標簽判定部判定為錯誤標簽狀態的樣本后的教師數據，將由所述重復識別執行部和所述錯誤標簽判定部進行的處理實施一次以上。

3.根據權利要求1所述的數據解析裝置，其特征在于，

所述錯誤標簽檢測部包括數據分割部，該數據分割部將所述教師數據分割為模型構建用數據和模型驗證用數據，

所述重復識別執行部在每次執行所述一系列處理時變更由所述數據分割部進行的數據分割。

4.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部僅使用一種機器學習的方法。

5.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部使用兩種以上的機器學習的方法。

6.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部使用隨機森林來作為機器學習的方法。

7.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部使用支持向量機來作為機器學習的方法。

8.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部使用神經網絡來作為機器學習的方法。

9.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部使用線性判別法來作為機器學習的方法。

10.根據權利要求1所述的數據解析裝置，其特征在于，

所述重復識別執行部使用非線性判別法來作為機器學習的方法。

11.根據權利要求1所述的數據解析裝置，其特征在于，

所述錯誤標簽判定部將錯誤識別率最高的樣本判定為錯誤標簽狀態。

12.根據權利要求1所述的數據解析裝置，其特征在于，

所述錯誤標簽判定部按照錯誤識別率從高到低的順序將由用戶指定的個數的樣本判定為錯誤標簽狀態。

13.根據權利要求1所述的數據解析裝置，其特征在于，

所述錯誤標簽判定部將錯誤識別率為100％的樣本判定為錯誤標簽狀態。

14.根據權利要求1所述的數據解析裝置，其特征在于，

所述錯誤標簽判定部將錯誤識別率為由用戶設定的閾值以上的樣本判定為錯誤標簽狀態。

15.根據權利要求2所述的數據解析裝置，其特征在于，

所述錯誤標簽檢測部重復實施由所述重復識別執行部和所述錯誤標簽判定部進行的處理，直到錯誤識別率變為規定的閾值以下為止。

16.根據權利要求1所述的數據解析裝置，其特征在于，

還具備結果顯示處理部，該結果顯示處理部制作基于所述錯誤標簽判定部的識別結果的表或曲線圖，并在顯示部中顯示該表或曲線圖。