[发明专利]一种针对不平衡样本的机器学习分类方法

权利要求书

1.一种针对不平衡样本的机器学习分类方法，其特征在于，包括以下步骤：

S1：下定义：根据相对危险度的非暴露组和暴露组的定义进行类似定义，并通过公式下定义；

S2：定义输入：通过定义输入代入相应公式，得到对应取值及对应的损失函数值RR；

S3：公式计算：根据RR公式计算训练集T损失函数值RR；

S4：输出及处理：输出：f^*，RR，并根据最优划分特征f^*及其取值将训练集T划分为T₁和T₂。

2.根据权利要求1所述的一种针对不平衡样本的机器学习分类方法，其特征在于，所述S1中，通过公式进行定义，其中公式为

RR＝p/q或者RR＝(p(1-p))/(q(1-q)) (3)

High_per＝high/low (4)。

3.根据权利要求2所述的一种针对不平衡样本的机器学习分类方法，其特征在于，通过根据相对危险度的非暴露组和暴露组的定义，采用相似方法定义了高精度组和低精度组，定义p为错误预测的样本数量与低精度预测样本总数的比值，变量q定义为不正确预测的样本数量与高精度预测样本总数的比值，通过此定义，推导出错误预测的样本数量+不正确预测的样本数量等于错误识别的样本个数，并在p和q的分子上加1。

4.根据权利要求1所述的一种针对不平衡样本的机器学习分类方法，其特征在于，所述S2中，进行定义输入时训练集为T＝{(x₁，y₁)，(x₂，y₂)，...，(x_N，y_N)}，特征集为F＝{f₁，f₂，...，f_d}，最少样本集为min_sample＝k，损失函数阈值为threshold＝ε，并以node为根节点，其中以node为根节点时特征集F为空或训练集T中样本关于特征集F中类别全部相同时需将node标记为叶结点，训练集T中的样本数量少于min_sample需将该标记为叶结点，且其类别标记为T中样本数最多的类。

5.根据权利要求4所述的一种针对不平衡样本的机器学习分类方法，其特征在于，从特征集F中选择最优划分特征f^*，并得到对应取值及对应的损失函数值RR，其中训练集为T＝{(x₁，y₁)，(x₂，y₂)，...，(x_N，y_N)}，特征集为F＝{f₁，f₂，...，f_d}，阈值为θ₁和θ₂，且θ₁＜θ₂。

6.根据权利要求1所述的一种针对不平衡样本的机器学习分类方法，其特征在于，所述S3中，根据RR公式计算训练集T损失函数值RR，其中令且对于特征集F中的每一个特征f执行，并对于训练集T中关于特征f的每一个取值f_value执行，根据f_value将训练集划分为低置信度训练集和高置信度训练集，分别记为通过计算将T_low和T_high的损失函数值记为RR(T_low，T_high)，(RR(T_low，T_high)＞1并且RR(T_low，T_high)＞RR，同时θ₁＜high_per≤θ₂，f^*＝{f}，RR＝RR(T_low，T_high)。