[发明专利]处理数据类别不均衡的方法、装置、电子设备及存储介质

权利要求书

1.一种处理数据类别不均衡的方法，其特征在于，包括：

基于训练集中的第i个少数类样本X_i与所述X_i的K个最近邻样本中的每一个近邻样本之间的互信息，在所述K个最近邻样本中确定M个最近邻样本；其中，0＜i≤T；所述T表征所述训练集中少数类样本的数量；所述互信息随所述X_i与近邻样本同时出现的频率的增加而增大；

基于所述X_i与所述M个最近邻样本中的第j个最近邻样本X_ij(near)之间的互信息，确定所述X_ij(near)的互信息权重，0＜j≤M；

基于所述X_ij(near)的类型和所述X_ij(near)的互信息权重，确定所述X_ij(near)的权重W_ij(near)；

基于所述W_ij(near)和类别不均衡倍率N，确定所述X_i与所述X_ij(near)之间待插入的少数类样本的数量N_j；所述类别不均衡倍率N为所述训练集中多数类样本的数量和所述T 的比值；

在所述X_i与所述X_ij(near)之间插入所述N_j个新样本。

2.根据权利要求1所述的方法，其特征在于，所述基于训练集中的第i个少数类样本X_i与所述X_i的K个最近邻样本中的每一个近邻样本之间的互信息，在所述K个最近邻样本中确定M个最近邻样本，包括：

利用基于所述训练集建立的K-维KD树模型，确定所述K个最近邻样本；

将所述K个最近邻样本中的与所述X_i的互信息大于或等于第一阈值的最近邻样本，确定为所述M个最近邻样本。

3.根据权利要求1所述的方法，其特征在于，所述基于所述X_i与所述M个最近邻样本中的第j个最近邻样本X_ij(near)之间的互信息，确定所述X_ij(near)的互信息权重，包括：

将所述X_i与所述X_ij(near)之间的互信息，确定为所述X_ij(near)的互信息权重。

4.根据权利要求1所述的方法，其特征在于，所述基于所述X_ij(near)的类型和所述X_ij(near)的互信息权重，确定所述X_ij(near)的权重W_ij(near)，包括：

若所述X_ij(near)的类型为多数类样本，则将所述X_ij(near)的互信息权重确定为所述W_ij(near)；

若所述X_ij(near)的类型为少数类样本，则将大于或等于所述X_ij(near)的互信息权重的第一数值确定为所述W_ij(near)。

5.根据权利要求4所述的方法，其特征在于，所述第一数值为所述X_ij(near)的互信息权重与第二数值的和，所述第二数值大于或等于0。

6.根据权利要求5所述的方法，其特征在于，所述第二数值的取值用于表征在所述X_i与所述X_ij(near)之间插入的新样本靠近所述T个少数类样本的边界的程度。