[发明专利]分类模型的训练方法、数据分类方法及装置

说明书

本发明提供了一种分类模型的训练方法、数据分类方法及装置，涉及数据分类技术领域，包括：获取训练样本集合；其中，所述训练样本集合包括第一类样本子集合和第二类样本子集合，所述第一类样本子集合的样本数量与所述第二类样本子集合的样本数量的比值大于预设阈值；从所述第一类样本子集合中抽取第一指定数量的第一采样样本，以及从所述第二类样本子集合中抽取第二指定数量的第二采样样本；从所述训练样本集合的各个样本特征中抽取第三指定数量的采样特征；利用所述第一采样样本、所述第二采样样本和所述采样特征对分类模型进行训练果。本发明可以有效解决数据分类中正、负样本分布不均衡问题，提高模型预测能力。

技术领域

本发明涉及数据分类技术领域，尤其是涉及一种分类模型的训练方法、数据分类方法及装置。

背景技术

随着智能化进程不断推进，机器学习技术也不断完善，为人们的工作和生活带来了很多成果。利用机器学习进行建模需要很多特征，但是在实际应用中，有些特征对模型输出结果贡献率很低，甚至会硬性模型输出效果。除此以外，还会出现正、负样本不均衡的问题，比如，金融市场中债券违约的企业与非违约企业的数量比；银行贷款中还款人数与不还款人数的数量比。出现上述正、负样本不均衡时，机器学习模型进行预测的能力会大大折扣。综上所述，数据中正、负样本不均衡问题影响着机器学习模型的预测能力。

发明内容

有鉴于此，本发明的目的在于提供一种分类模型的训练方法、数据分类方法及装置，可以有效改善数据分类中正、负样本分布不均衡问题，提高模型预测能力。

第一方面，本发明实施例提供了一种分类模型的训练方法，包括：获取训练样本集合；其中，所述训练样本集合包括第一类样本子集合和第二类样本子集合，所述第一类样本子集合的样本数量与所述第二类样本子集合的样本数量的比值大于预设阈值；从所述第一类样本子集合中抽取第一指定数量的第一采样样本，以及从所述第二类样本子集合中抽取第二指定数量的第二采样样本；从所述训练样本集合的各个样本特征中抽取第三指定数量的采样特征；利用所述第一采样样本、所述第二采样样本和所述采样特征对分类模型进行训练。

在一种实施方式中，所述从所述第一类样本子集合中抽取第一指定数量的第一采样样本，以及从所述第二类样本子集合中抽取第二指定数量的第二采样样本的步骤，包括：采用不放回抽样算法从所述第一类样本子集合中抽取第一指定数量的第一采样样本；其中，所述第一指定数量为去重处理后的第二采样样本数量；以及，采用放回抽样算法从所述第二类样本子集合中抽取第二指定数量的第二采样样本；其中，所述第二指定数量为所述第二类样本子集合所包含的样本数量。

在一种实施方式中，在所述利用所述第一采样样本、所述第二采样样本和所述采样特征对分类模型进行训练的步骤之前，所述方法还包括：对所述第二指定数量的第二采样样本进行去重处理。

在一种实施方式中，所述从所述训练样本集合的各个样本特征中抽取第三指定数量的采样特征的步骤，包括：采用放回抽样算法从所述训练样本集合的各个样本特征中抽取第三指定数量的采样特征；其中，所述第三指定数量为所述训练样本集合中所包含的样本特征数量。

第二方面，本发明实施例提供了一种数据分类方法，包括：获取待分类数据；通过预先训练得到的分类模型集合对所述待分类数据进行分类操作，得到所述待分类数据对应的多个候选分类结果；其中，所述分类模型集合包括多个分类模型，所述分类模型是采用如第一方面提供的任一项所述的分类模型的训练当合训练得到的；基于各个所述候选分类结果确定所述待分类数据对应的目标分类结果。

在一种实施方式中，所述基于各个所述候选分类结果确定所述待分类数据对应的目标分类结果的步骤，包括：根据选举算法和各个所述候选分类结果确定所述待分类数据对应的目标分类结果。