[发明专利]用于数据增强的方法和装置

说明书

本发明涉及一种用于数据增强的方法和装置，该方法包括：利用指定训练样本集中的各个训练样本所包含的属性值，计算所述指定训练样本集的特征值；根据所计算的特征值，确定所述指定训练样本集所属的特征类型；至少根据所确定的特征类型和用于指示各个数据增强模型适用于对属于不同特征类型的训练样本进行数据增强处理的信息，获得适用于对所述指定训练样本集进行数据增强处理的数据增强模型；利用所获得的数据增强模型，对所述指定训练样本集进行数据增强处理。该方法和装置能够有效确保数据增强的良好效果。

技术领域

本发明涉及机器学习领域，尤其涉及用于数据增强的方法和装置。

背景技术

数据增强是机器学习领域中的用于增加有效训练样本的数量的技术，其目的在于提高机器学习模型的分类能力。

目前，在给定训练样本之后，工程师通常根据自己的经验选择数据增强模型来对该训练样本进行数据增强处理。有时利用被数据增强处理后的训练样本所训练得到的机器学习模型的分类能力具有很大的提升，这表明数据增强的效果良好。但是，有时利用被数据增强处理后的训练样本所训练得到的机器学习模型的分类能力具有较低的提升甚至负提升，这表明数据增强的效果很差。

因此，现有的数据增强处理并不能总是确保数据增强的良好效果。

发明内容

本发明的实施例提供用于数据增强的方法和装置，其能够有效确保数据增强的良好效果。

按照本发明的实施例的一种用于数据增强的方法，包括：利用指定训练样本集中的各个训练样本所包含的属性值，计算所述指定训练样本集的特征值；根据所计算的特征值，确定所述指定训练样本集所属的特征类型；至少根据所确定的特征类型和用于指示各个数据增强模型适用于对属于不同特征类型的训练样本进行数据增强处理的信息，获得适用于对所述指定训练样本集进行数据增强处理的数据增强模型；以及，利用所获得的数据增强模型，对所述指定训练样本集进行数据增强处理。

按照本发明的实施例的一种用于数据增强的装置，包括：计算模块，用于利用指定训练样本集中的各个训练样本所包含的属性值，计算所述指定训练样本集的特征值；确定模块，用于根据所计算的特征值，确定所述指定训练样本集所属的特征类型；获得模块，用于至少根据所确定的特征类型和用于指示各个数据增强模型适用于对属于不同特征类型的训练样本进行数据增强处理的信息，获得适用于对所述指定训练样本集进行数据增强处理的数据增强模型；以及，处理模块，用于利用所获得的数据增强模型，对所述指定训练样本集进行数据增强处理。

按照本发明的实施例的一种计算设备，包括：处理器；以及，存储器，其上存储有可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行前述的方法。

按照本发明的实施例的一种机器可读介质，其上存储有可执行指令，其中，所述可执行指令当被执行时使得机器执行前述的方法。

本发明的实施例的方案根据训练样本的特征值来选择适用于对训练样本进行数据增强处理的数据增强模型，使得所选择的数据增强模型总是与训练样本的特征相匹配的，从而利用被所选择的数据增强模型处理后的训练样本训练得到的机器学习模型的分类能力总是具有较大提升，因此，与现有技术相比，本发明的实施例的方案能够有效确保数据增强的良好效果。

附图说明

本发明的特征和优点通过以下结合附图的描述将变得更加显而易见。

图1示出了按照本发明的一个实施例的用于数据增强的方法的总体流程图。

图2示出了按照本发明的一个实施例的用于数据增强的方法的流程图。

图3示出了按照本发明的一个实施例的用于数据增强的装置的示意图。

图4示出了按照本发明的一个实施例的计算设备的示意图。

具体实施方式