[發(fā)明專利]分類器生成方法、裝置、存儲介質(zhì)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202011482638.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112508116A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 劉芷寧;常毅
• 申請（專利權(quán)）人: 吉林大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京恒博知識產(chǎn)權(quán)代理有限公司 11528
• 代理人: 張曉芳

本申請公開了一種分類器生成方法、裝置、存儲介質(zhì)及電子設(shè)備，屬于計算機技術(shù)領(lǐng)域。所述分類器生成方法包括：獲取第n個集成分類器和第n個數(shù)據(jù)子集，通過所述第n個集成分類器對所述第n個數(shù)據(jù)子集進行處理得到第n個元狀態(tài)參數(shù)，通過元采樣器對所述第n個元狀態(tài)參數(shù)進行處理得到第n個采樣權(quán)重，基于所述第n個采樣權(quán)重生成第n+1個數(shù)據(jù)子集，將訓(xùn)練后的第n+1個基分類器與所述第n個集成分類器進行組合得到第n+1個集成分類器，在n+1大于閾值時，將所述第n+1個集成分類器作為目標集成分類器。故本申請通過構(gòu)造元采樣器，能自動從數(shù)據(jù)中學(xué)習(xí)對給定任務(wù)提供最優(yōu)的采樣策略，有效提升集成學(xué)習(xí)模型的性能，解決類別不平衡數(shù)據(jù)上的機器學(xué)習(xí)效果差的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機技術(shù)領(lǐng)域，具體涉及一種分類器生成方法、裝置、存儲介質(zhì)及電子設(shè)備。

背景技術(shù)

傳統(tǒng)的機器學(xué)習(xí)方法通常假設(shè)不同的類別的訓(xùn)練數(shù)據(jù)量是相同的，并不考慮不同類別樣本數(shù)量以及標識質(zhì)量的差異。然而在機器學(xué)習(xí)系統(tǒng)的實際應(yīng)用中，所收集到的訓(xùn)練數(shù)據(jù)經(jīng)常是類別不平衡的，即在一個數(shù)據(jù)集中，不同類別樣本的數(shù)量差異很大，導(dǎo)致表示的質(zhì)量有很大差別。例如金融欺詐檢測(正常賬單/欺詐賬單)，網(wǎng)絡(luò)入侵檢測(正常用戶連接/惡意連接)，醫(yī)療輔助診斷(正常人/患者)等任務(wù)中，正負類的樣本數(shù)量都有很大的差別，其數(shù)量差異從幾十倍到上千倍不等。由于忽視了類別分布的先驗信息，傳統(tǒng)機器學(xué)習(xí)模型在不平衡的數(shù)據(jù)上難以學(xué)習(xí)到少數(shù)類的模式，甚至?xí)⑺形匆姅?shù)據(jù)全部預(yù)測為多數(shù)類。現(xiàn)有的不平衡學(xué)習(xí)方法，例如：通過添加或刪除數(shù)據(jù)集中的樣本來平衡數(shù)據(jù)分布或去除噪聲的重采樣方法，通過給不同的樣本分配不同的權(quán)重或重要性來修正偏差的重加權(quán)方法，以及將重采樣或重加權(quán)方法嵌入到集成學(xué)習(xí)框架中的集成學(xué)習(xí)類方法。這些方法通常基于一些直覺上的觀察和假設(shè)，而在實際中這些假設(shè)一般是不成立的，導(dǎo)致在實際應(yīng)用中的性能、計算效率、適用性都不盡如人意。因此如何讓計算機自動從數(shù)據(jù)中學(xué)習(xí)超越手工設(shè)計的策略，從而提升機器學(xué)習(xí)系統(tǒng)在類別不平衡數(shù)據(jù)上的穩(wěn)定表現(xiàn)是目前亟待解決的問題。

發(fā)明內(nèi)容

本申請實施例提供了一種分類器生成方法、裝置、存儲介質(zhì)及電子設(shè)備，通過構(gòu)造參數(shù)化、自適應(yīng)和可學(xué)習(xí)的元采樣器，能有效提升集成學(xué)習(xí)模型的性能，解決類別不平衡數(shù)據(jù)上的機器學(xué)習(xí)效果差的問題。所述技術(shù)方案如下：

第一方面，本申請實施例提供了一種分類器生成方法，包括：

獲取第n個集成分類器和第n個數(shù)據(jù)子集；其中，n為大于0的整數(shù)；

通過所述第n個集成分類器對所述第n個數(shù)據(jù)子集進行處理得到第n個元狀態(tài)參數(shù)；其中，所述第n個數(shù)據(jù)子集包括第n個訓(xùn)練集和第n個驗證集；

通過元采樣器對所述第n個元狀態(tài)參數(shù)進行處理得到第n個采樣權(quán)重；

基于所述第n個采樣權(quán)重生成第n+1個數(shù)據(jù)子集；

將訓(xùn)練后的第n+1個基分類器與所述第n個集成分類器進行組合得到第n+1個集成分類器；

在n+1大于閾值時，將所述第n+1個集成分類器作為目標集成分類器；

在n+1小于或等于閾值時，繼續(xù)進行迭代。

第二方面，本申請實施例提供了一種分類器生成裝置，所述裝置包括：

獲取模塊，用于獲取第n個集成分類器和第n個數(shù)據(jù)子集；其中，n為大于0的整數(shù)；

第一處理模塊，用于通過所述第n個集成分類器對所述第n個數(shù)據(jù)子集進行處理得到第n個元狀態(tài)參數(shù)；其中，所述第n個數(shù)據(jù)子集包括第n個訓(xùn)練集和第n個驗證集；

第二處理模塊，用于通過元采樣器對所述第n個元狀態(tài)參數(shù)進行處理得到第n個采樣權(quán)重；

生成模塊，用于基于所述第n個采樣權(quán)重生成第n+1個數(shù)據(jù)子集；