[发明专利]分类器生成方法、装置、存储介质及电子设备

权利要求书

1.一种分类器生成方法，其特征在于，所述方法包括：

获取第n个集成分类器和第n个数据子集；其中，n为大于0的整数；

通过所述第n个集成分类器对所述第n个数据子集进行处理得到第n个元状态参数；其中，所述第n个数据子集包括第n个训练集和第n个验证集；

通过元采样器对所述第n个元状态参数进行处理得到第n个采样权重；

基于所述第n个采样权重生成第n+1个数据子集；

将训练后的第n+1个基分类器与所述第n个集成分类器进行组合得到第n+1个集成分类器；

在n+1大于阈值时，将所述第n+1个集成分类器作为目标集成分类器；

在n+1小于或等于阈值时，继续进行迭代。

2.根据权利要求1所述方法，其特征在于，所述通过所述第n个集成分类器所述对第n个数据子集进行处理得到第n个元状态参数，包括：

通过所述第n个集成分类器对所述第n个训练集进行处理得到训练误差特征；

通过所述第n个集成分类器对所述第n个验证集进行处理得到验证误差特征；

根据所述训练误差特征和所述验证误差特征计算得到第n个元状态参数。

3.根据权利要求2所述方法，其特征在于，所述通过所述第n个集成分类器对所述第n个训练集进行处理得到训练误差特征，包括：

根据如下公式计算训练误差特征分量：

其中，表示所述训练误差特征的第i个分量，b为预设参数，(x,y)表示一个数据实例，F_t表示第t个集成分类器，t为大于0的整数，D为数据集，|·|运算符表示范数运算，abs()表示取绝对值；

根据所有的训练误差特征分量确定所述训练误差特征。

4.根据权利要求1所述方法，其特征在于，所述通过元采样器对所述第n个元状态参数进行处理得到第n个采样权重，包括：

通过元采样器对所述第n个元状态参数进行计算得到采样参数μ；其中，所述采样参数μ大于等于0小于等于1；

将所述采样参数作为高斯函数的期望值确定一维高斯函数；

基于所述一维高斯函数计算数据集中各数据类型的第n个采样权重。

5.根据权利要求1所述方法，其特征在于，所述基于所述第n个采样权重生成第n+1个数据子集，包括：

确定数据集中各数据类型的第n个采样权重；

基于所述各数据类型的第n个采样权重确定各数据类型的采样数量；

获取所述采样数量的各数据类型并进行组合得到第n+1个数据子集。

6.根据权利要求1所述方法，其特征在于，对元采样器进行参数更新，包括：

获取所述数据集中的验证集；

通过性能评价函数计算所述第n个集成分类器与所述验证集的第一评价系数；

通过性能评价函数计算所述第n+1个集成分类器与所述验证集的第二评价系数；

计算所述第一评价系数与所述第二评价系数的差值得到泛化性能系数；

基于所述泛化性能系数对所述元采样器进行参数更新。

7.根据权利要求6所述方法，其特征在于，所述对所述元采样器进行参数更新为使用强化学习Soft Actor-Critic算法。