[发明专利]分类器筛选方法、系统、储存介质及计算机设备

权利要求书

1.一种分类器筛选方法，其特征在于，包括以下步骤：

对数据集进行预处理，将数据集的文本转化为向量化矩阵；

根据所述向量化矩阵，获取对应分类问题下分类器AUC的方差表达式；

通过运用动态规划项对所述方差表达式进行重构，获取基于动态规划的AUC表达式；

根据所述基于动态规划的AUC表达式获取待选分类器的AUC样本估计值，将所述AUC样本估计值最大的待选分类器作为对应分类问题下最优的分类器；

在二分类问题下，所述动态规划项S₁,S₂,....S₉,S₁₀所对应的满足范围如下：

S₁，ε(X＝Y)；S₂，ε(XY)；S₃，ε(XYY′)orε(XY′Y)；

S₄，ε(XY＝Y′)；S₅，ε(X＝Y′Y)orε(X＝YY′)；S₆，ε(X＝Y＝Y′)；

S₇，ε(X＝X′Y)orε(X′＝XY)；S₈，ε(X＝X′Y)；

S₉，ε(X′＝XY)orε(XX′＝Y)；S₁₀，ε(X＝X′＝Y)；

其中，X和Y分别表示从两个母体分布选取的独立同分布样本集，X'和Y'分别对应X和Y拥有相同元素的独立同分布样本集；

所述动态规划项的表达式如下：

i和j分别表示两个独立同分别样本数从i＝1,…,n；j＝1,…,m的取值范围，l表示X_i和Y_j中样本的排序中的取值顺序；c_l、t_l分别表示数据在两个独立同分别样本的数据排序的位置及个数；表示指数函数，当括号中的声明为真时指示函数取值为1，为假时指示函数取值为0；m表示所述数据集的正样本个数，n表示所述数据集的负样本个数；X_i表示所述数据集的正样本序列，Y_j表示所述数据集的负样本序列，Z_k表示X_i与Y_j的序列联结，按照非降序进行排列，K＝m+n，1≤k≤K；a_i表示X_i在Z_k中的序列；c_i表示Y_j在Z_k中的序列。

2.根据权利要求1所述的分类器筛选方法，其特征在于，在二分类问题下，所述基于动态规划的AUC表达式如下：

其中，表示AUC样本估计值；m表示所述数据集的正样本个数，n表示所述数据集的负样本个数；X_i表示所述数据集的正样本序列，Y_j表示所述数据集的负样本序列；表示指数函数，当括号中的声明为真时指示函数取值为1，为假时指示函数取值为0；动态规划项S₁所满足的范围为ε(X＝Y)；动态规划项S₂所满足的范围为ε(XY)。

3.根据权利要求1所述的分类器筛选方法，其特征在于，在二分类问题下，根据所述向量化矩阵，获取到的分类器AUC的方差表达式如下：

其中，

表示随机变量的期望，m表示所述数据集的正样本个数，n表示所述数据集的负样本个数；表示AUC样本估计值；表示指数函数

4.根据权利要求1所述的分类器筛选方法，其特征在于，在二分类问题下，在通过运用动态规划项对所述方差表达式进行重构后，所述方差表达式如下：

其中，