[发明专利]兼顾公平性的上下文感知学习的结果预测分类器

权利要求书

1.一种兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，所述分类器通过有序的训练样本((X1,y1),...,(Xt-1,yt-1))进行t-1轮训练后得到映射f_t-1，在第t轮训练时，分类器根据映射f_t-1得出测试样本(Xt,yt)的预测值并且更新映射，分类器采用如下分类步骤：

(1)初始化分类器的探索参数γ∈(0,0.5)；

(2)初始化分类器的权重矩阵W元素全为0；

(3)判断数据库中是否有数据，如是，则随机选取其中一条数据的特征x_t，转至步骤(4)，如否，则结束训练；

(4)根据选取赌博臂的概率P[r]取出分类样本

其中，r是赌博臂的编号，取(0，k)的任意值；

γ是探索系数；

w_rx是选取第r个赌博臂的奖赏值；

k是赌博臂的总数；

P表示概率，P[]是一个数组，里面存放着选取对应的赌博臂的概率；

(5)根据权重矩阵预测结果

(6)接收实际结果y_t的反馈，判断是否满足如下条件：如是，则预测失败，转至步骤(7)，如否，则转至步骤(3)；

(7)根据如下公式更新分类器的权重矩阵：

其中，为随机变量，表示随机试验各种结果的实值单值函数；

W^t+1[r]为更新后选取赌博臂r的权重；

W^t[r]为更新前选取赌博臂r的权重。

2.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，所述

3.根据权利要求1所述兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，步骤(2)中，权重矩阵W为维度是k*d的矩阵。

4.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，步骤(3)中，x_t∈R^d，x_t为一个维度为1*d的矩阵，用数字描述特征。

5.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，步骤(5)中，预测结果的值为r，r为0表示是一类，r为1表示另一类，r为使得W^t[r]x_t较大的数，如果W^t[1]x_t大于W^t[0]x_t，则预测结果为1所代表的那一类，如果W^t[1]x_t小于W^t[0]x_t，则预测结果为成功0所代表的那一类。

6.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，分类器根据如下公式计算分类器总的错误预测次数：

其中，∑是求和符号，用于求多项式的和；

y_i表示第t轮训练所选取的特征的标签；

表示第t轮训练所选取的特征的标签；

表示只有当时才等于1。

7.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，数据库中的数据集线性可分以使

8.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，分类器根据如下公式计算累计损失：

其中，是预测值的损失。

9.根据权利要求1所述的兼顾公平性的上下文感知学习的结果预测分类器，其特征在于，分类器根据如下公式计算预测值的铰链损失：

其中，W是权值向量；

X是特征向量。