[发明专利]数据分类模型的训练方法、数据分类方法和装置

说明书

本说明书实施例描述了数据分类模型的训练方法、数据分类方法和装置。根据实施例的方法，首先获取标签已知的正数据样本和标签未知的灰度数据样本，然后分别确定基于该正数据样本的标准正数据概率分布和基于该灰度数据样本的拟合正数据概率分布。进一步即可根据该标准正数据概率分布和拟合正数据概率分布实现对数据分类模型的训练。如此基于灰度数据中的正数据也应服从标准正数据概率分布的原则，构建适用于对所有数据进行标签分类的数据分类模型，从而能够提高利用该数据分类模型对数据进行分类的准确性。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及数据分类模型的训练方法、数据分类方法和装置。

背景技术

在机器学习中，需要对原始数据进行标签定义，如此才能利用该定义过标签的数据进行学习训练。

然而，在机器学习的实际应用场景中，用于进行机器学习的原始数据中经常会出现“灰标”的情形，即有些数据无法对其进行准确的分类，从而导致无法对该数据进行准确的标签定义，进一步也就导致了训练得到的模型可用性较低。

发明内容

本说明书一个或多个实施例描述了数据分类模型的训练方法、数据分类方法和装置，能够提高数据分类的准确性。

根据第一方面，提供了数据分类模型的训练方法，包括：

获取分类标签已知的正数据样本和分类标签未知的灰度数据样本；

确定基于所述正数据样本的标准正数据概率分布；以及，

确定基于所述灰度数据样本的拟合正数据概率分布；其中，所述拟合正数据概率分布表征所述灰度数据样本中实际分类标签为正数据的概率分布；

根据所述标准正数据概率分布和所述拟合正数据概率分布，对数据分类模型进行训练。

在一种可能的实现方式中，所述确定基于所述正数据样本的标准正数据概率分布，包括：

将所述正数据样本的极大似然估计，确定为该正数据样本的标准正数据概率分布。

在一种可能的实现方式中，所述确定基于所述灰度数据样本的拟合正数据概率分布，包括：

利用神经网络表征出样本历史数据中任意一个数据为正数据的条件概率分布；其中，所述正数据样本和所述灰度数据样本均从所述样本历史数据中获取得到；

根据所述条件概率分布，利用贝叶斯表征出灰度数据样本中实际分类标签为正数据的概率分布；

将表征出的所述正数据的概率分布定义为拟合正数据概率分布。

在一种可能的实现方式中，所述根据所述标准正数据概率分布和所述拟合正数据概率分布对数据分类模型进行训练，包括：

根据所述标准正数据概率分布和所述拟合正数据概率分布，确定损失函数；

计算所述损失函数中权重参数的更新量。

在一种可能的实现方式中，所述根据所述标准正数据概率分布和所述拟合正数据概率分布确定损失函数，包括：

计算所述标准正数据概率分布和所述拟合正数据概率分布之间的KL(Kullback-Leibler)散度损失；

确定对所述损失函数进行过拟合修正的正则化损失；

根据所述KL散度损失和所述正则化损失，确定所述标准正数据概率分布和所述拟合正数据概率分布的损失函数。

在一种可能的实现方式中，所述计算所述标准正数据概率分布和所述拟合正数据概率分布之间的KL散度损失，包括：

根据如下计算式计算所述KL散度损失：