[发明专利]数据类别不均衡的处理方法及设备、系统、存储介质

说明书

本公开提供了一种数据类别不均衡的处理方法，应用于数据处理技术领域，该方法包括将少数类样本进行聚类，得到多个簇。计算每个簇中少数类样本的k近邻样本，获取每个所述簇中少数类样本的k近邻样本中多数类样本的数量，计算所述簇中多数样本的数量占所述k近邻样本的数量的比值，根据所述簇中多数类样本的数量占所述k近邻样本的数量的比值，处理所述簇中的样本。本公开提供了一种数据类别不均衡的处理设备、半监督生成对抗网络的训练方法及设备、异常交易检测方法及设备、系统、存储介质。

技术领域

本公开涉及数据处理技术领域，更具体地，涉及一种数据类别不均衡的处理方法及设备、半监督生成对抗网络的训练方法及设备、异常交易检测方法及设备、系统、存储介质。

背景技术

数据集中某一类样本的数量和其余样本的数量相差较大。例如，在判断信用卡诈骗采集的数据集中，绝大多数用户的数据都是正常的，只有极少一部分是被诈骗用户的数据。

随着机器学习的发展，一些机器学习方法开始逐步用于异常消费行为的识别中，并且取得了一定的效果，但是这些方法在处理分布不均衡样本时，仍然在少数类分类上效果不佳。

发明内容

有鉴于此，本公开提供了一种数据类别不均衡的处理方法及设备、半监督生成对抗网络的训练方法及设备、异常交易检测方法及设备、系统、存储介质。

本公开的第一个方面提供了一种数据类别不均衡的处理方法，包括：

将少数类样本进行聚类，得到多个簇；

计算每个簇中少数类样本的k近邻样本；

获取每个所述簇中少数类样本的k近邻样本中多数类样本的数量；

计算所述簇中多数样本的数量占所述k近邻样本的数量的比值；

根据所述簇中多数类样本的数量占所述k近邻样本的数量的比值，处理所述簇中的样本。

在本公开其中一个实施例中，当所述簇中多数样本的数量占所述k近邻样本的数量的比值不大于第一预设阈值时，所述根据所述簇中多数样本的数量占所述k近邻样本的数量的比值，处理所述簇中的样本包括：

获取所述簇中的任意一个少数类样本；

选取与所述少数类样本k近邻的任意一个样本；

基于所述少数类样本和与所述少数类样本k近邻的任意一个样本进行插值。

在本公开其中一个实施例中，当所述簇中多数样本的数量占所述k近邻样本的数量的比值大于第一预设阈值小于第二预设阈值时，所述根据所述簇中多数样本的数量占所述k近邻样本的数量的比值，处理所述簇中的样本包括：

计算所述簇中少数类样本的中心点；

选取与所述中心点k近邻的任意一个样本；

基于所述中心点和所述与所述中心点相邻的任意一个样本，对所述簇中的少数类样本进行插值。

在本公开其中一个实施例中，所述将少数类样本进行聚类，得到多个簇之前，包括：

获取真实数据集，所述真实数据集中包括多数类样本和所述少数类样本。

在本公开其中一个实施例中，将所述少数类样本进行聚类，得到多个簇之后，还包括：

对每个簇中的所有样本均进行数值范围为(0，1)的标准化处理。

本公开的第二个方面提供了一种半监督生成对抗网络的训练方法，包括：