[发明专利]分类模型的概率阈值的确定方法、装置、设备及存储介质

权利要求书

1.一种分类模型的概率阈值的确定方法，其特征在于，所述方法包括：

基于分类模型和多个测试数据集，确定多个概率，所述多个概率用于表示所述测试数据集中的多个测试数据属于所述分类模型的第一类别的概率；

对于每个概率，以所述概率作为概率阈值，确定所述多个测试数据的预测标签；

基于所述多个测试数据的预测标签，确定所述概率阈值对应的准确率和召回率，所述准确率用于反应所述分类模型的误检情况，所述召回率用于反应所述分类模型的漏检情况；

基于所述概率阈值对应的准确率和召回率，确定满足条件的目标概率阈值，所述目标概率阈值被作为所述分类模型的概率阈值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述概率阈值对应的准确率和召回率，确定满足条件的目标概率阈值，所述目标概率阈值被作为所述分类模型的概率阈值，包括：

确定第一权重和第二权重，所述第一权重对应于所述准确率，所述第二权重对应于所述召回率；

基于所述第一权重和所述第二权重，对所述概率阈值对应的准确率和召回率进行加权求和，得到所述概率阈值对应的质量参数；

基于所述概率阈值对应的质量参数、准确率、召回率和所述概率阈值，确定满足条件的所述目标概率阈值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述概率阈值对应的质量参数、准确率、召回率和所述概率阈值，确定满足条件的所述目标概率阈值，包括：

确定第一参数阈值、第二参数阈值和概率阈值范围，所述第一参数阈值对应于所述准确率，所述第二参数阈值对应于所述召回率，所述概率阈值范围对应于所述阈值；

从所述多个概率阈值中，确定所述目标概率阈值，所述目标概率阈值对应的质量参数最高，且所述概率阈值的准确率不低于所述第一参数阈值，所述概率阈值的召回率不低于所述第二参数阈值，且所述概率阈值在所述概率阈值范围内。

4.根据权利要求2所述的方法，其特征在于，所述确定第一权重和第二权重，包括：

确定所述第一类别的容忍参数，所述容忍参数用于表示所述分类模型对误检的容忍程度；

基于所述容忍参数，确定所述第一权重和所述第二权重；

其中，所述第一权重与所述容忍参数呈正相关性，所述第二权重与所述容忍参数呈负相关性。

5.根据权利要求2所述的方法，其特征在于，所述基于所述第一权重和所述第二权重，对所述概率阈值对应的准确率和召回率进行加权求和，得到所述概率阈值对应的质量参数，包括：

确定校正系数，所述校正系数用于对召回率进行校正；

基于所述校正系数对所述每个概率阈值对应的召回率进行校正；

基于所述第一权重和所述第二权重，对所述概率阈值对应的准确率和校正后的召回率进行加权求和，得到所述概率阈值对应的质量参数。

6.根据权利要求5所述的方法，其特征在于，所述确定校正系数，包括：

若所述多个测试数据集中包括第一测试数据集，确定所述校正系数为第一数值，所述第一测试数据集为所述第一类别对应的测试数据集；

若所述测试数据集中不包括所述第一测试数据集，确定所述第一类别所属的第二类别，确定所述第二类别对应的第二测试数据集，基于所述第二测试数据集，确定所述第二类别包括的多个第一类别的测试数据的数量，基于所述多个第一类别的测试数据的数量，确定所述校正系数。

7.根据权利要求1所述的方法，其特征在于，所述基于所述多个测试数据的预测标签，确定所述概率阈值对应的准确率和召回率，包括：

基于所述多个测试数据的预测标签，确定第一数量、第二数量和第三数量，所述第一数量为预测标签和标注标签相同的测试数据的数量，所述第二数量为预测标签和标注标签不同的测试数据的数量，所述第三数量为标注了标注标签但未输出测试标签的测试数据的数量；

基于所述第一数量、所述第二数量和所述第三数量，确定所述准确率和所述召回率。