[發(fā)明專利]處理數(shù)據(jù)類別不均衡的方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110263551.7
• 申請(qǐng)日: 2021-03-11
• 公開（公告）號(hào): CN112633426B
• 公開（公告）日: 2021-06-15
• 發(fā)明（設(shè)計(jì)）人: 劉志煌
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/10
• 代理公司: 北京勵(lì)誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11647
• 代理人: 趙爽

1.一種處理數(shù)據(jù)類別不均衡的方法，其特征在于，包括：

基于訓(xùn)練集中的第i個(gè)少數(shù)類樣本X_i與所述X_i的K個(gè)最近鄰樣本中的每一個(gè)近鄰樣本之間的互信息，在所述K個(gè)最近鄰樣本中確定M個(gè)最近鄰樣本；其中，0＜i≤T；所述T表征所述訓(xùn)練集中少數(shù)類樣本的數(shù)量；所述互信息隨所述X_i與近鄰樣本同時(shí)出現(xiàn)的頻率的增加而增大；

基于所述X_i與所述M個(gè)最近鄰樣本中的第j個(gè)最近鄰樣本X_ij(near)之間的互信息，確定所述X_ij(near)的互信息權(quán)重，0＜j≤M；

基于所述X_ij(near)的類型和所述X_ij(near)的互信息權(quán)重，確定所述X_ij(near)的權(quán)重W_ij(near)；

基于所述W_ij(near)和類別不均衡倍率N，確定所述X_i與所述X_ij(near)之間待插入的少數(shù)類樣本的數(shù)量N_j；所述類別不均衡倍率N為所述訓(xùn)練集中多數(shù)類樣本的數(shù)量和所述T 的比值；

在所述X_i與所述X_ij(near)之間插入所述N_j個(gè)新樣本。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于訓(xùn)練集中的第i個(gè)少數(shù)類樣本X_i與所述X_i的K個(gè)最近鄰樣本中的每一個(gè)近鄰樣本之間的互信息，在所述K個(gè)最近鄰樣本中確定M個(gè)最近鄰樣本，包括：

利用基于所述訓(xùn)練集建立的K-維KD樹模型，確定所述K個(gè)最近鄰樣本；

將所述K個(gè)最近鄰樣本中的與所述X_i的互信息大于或等于第一閾值的最近鄰樣本，確定為所述M個(gè)最近鄰樣本。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述X_i與所述M個(gè)最近鄰樣本中的第j個(gè)最近鄰樣本X_ij(near)之間的互信息，確定所述X_ij(near)的互信息權(quán)重，包括：

將所述X_i與所述X_ij(near)之間的互信息，確定為所述X_ij(near)的互信息權(quán)重。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述X_ij(near)的類型和所述X_ij(near)的互信息權(quán)重，確定所述X_ij(near)的權(quán)重W_ij(near)，包括：

若所述X_ij(near)的類型為多數(shù)類樣本，則將所述X_ij(near)的互信息權(quán)重確定為所述W_ij(near)；

若所述X_ij(near)的類型為少數(shù)類樣本，則將大于或等于所述X_ij(near)的互信息權(quán)重的第一數(shù)值確定為所述W_ij(near)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述第一數(shù)值為所述X_ij(near)的互信息權(quán)重與第二數(shù)值的和，所述第二數(shù)值大于或等于0。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述第二數(shù)值的取值用于表征在所述X_i與所述X_ij(near)之間插入的新樣本靠近所述T個(gè)少數(shù)類樣本的邊界的程度。