[发明专利]数据集构建方法、装置以及电子设备

权利要求书

1.一种数据集构建方法，其特征在于，所述方法包括：

获取待处理的数据样本；

将满足同一预设相关关系的数据样本划分到同一个示例包，以得到多个示例包；

基于预先设置的划分参数，将所述多个示例包划分为多个子集；

基于所述多个子集构建数据集。

2.根据权利要求1所述的方法，其特征在于，所述划分参数包括预设划分次数，所述多个示例包各自对应有类别标签，所述基于预先设置的划分参数，将所述多个示例包划分为多个子集，包括：

基于所述预设划分次数，分别将每个所述类别标签所对应的多个示例包平均划分为多组集合，得到每个所述类别标签各自对应的多组集合；

将每个所述类别标签各自对应的多组集合合并为所述多个子集，每个所述子集包含每个所述类别标签各自对应的一组集合。

3.根据权利要求2所述的方法，其特征在于，所述基于所述预设划分次数，分别将每个所述类别标签所对应的多个示例包平均划分为多组集合，得到每个所述类别标签各自对应的多组集合，包括：

在当前进行划分的类别标签所对应的当次划分过程中，从所述当次划分过程对应的多个待划分示例包中选择预设数量的示例包，所述预设数量基于所述类别标签的示例包数量和所述预设划分次数得到；

若所述预设数量的示例包所包括的数据样本的数量满足目标条件，将所述预设数量的示例包划分为一组集合，并进入当前进行划分的类别标签所对应的下一次划分过程，并将当前进行划分的类别标签对应的示例包中还未进行划分的示例包作为下一次划分过程对应的多个待划分示例包，直到所划分的集合数量与预设划分次数相同，以得到每个所述类别标签各自对应的多组集合。

4.根据权利要求3所述的方法，其特征在于，所述划分参数还包括波动系数，所述波动系数表征表征一组集合中所包括的数据样本的波动范围，所述方法还包括：

获取当前进行划分的类别标签所包括的数据样本总数；

基于所述波动系数、所述预设划分次数以及所述数据样本总数得到目标区间；

若所述预设数量的示例包所包括的数据样本的数量在所述目标区间内，则确定所述示例数满足目标条件。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若所述预设数量的示例包所包括的数据样本的数量不满足目标条件，则调整所述划分参数，基于调整后的划分参数，重新开始当前进行划分的类别标签所对应的首次划分过程。

6.根据权利要求5所述的方法，所述划分参数还包括波动系数，所述调整所述划分参数，包括：

调整所述波动系数和所述预设划分次数中的至少一个参数。

7.根据权利要求1所述的方法，其特征在于，所述数据样本各自对应有类别标签，所述多个示例包各自对应有类别标签，所述将满足同一预设相关系数的数据样本划分到同一个示例包，以得到多个示例包之后，还包括：

基于所述多个示例包各自对应的数据样本的类别标签，确定所述多个示例包各自对应的类别标签。

8.根据权利要求1所述的方法，其特征在于，所述数据集包括多种数据集，所述基于所述多个子集构建数据集，包括：

基于预设比例将所述多个子集划分至所述多种数据集。

9.一种数据集构建装置，其特征在于，所述装置包括：

数据样本获取单元，用于获取待处理的数据样本；

示例包获取单元，用于将满足同一预设相关系数的数据样本划分到同一个示例包，以得到多个示例包；

子集划分单元，用于基于预先设置的划分参数，将所述多个示例包划分为多个子集；

数据集构建单元，用于基于所述多个子集构建数据集。

10.一种电子设备，其特征在于，包括一个或多个处理器以及存储器；

一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行权利要求1-8任一所述的方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行权利要求1-8任一所述的方法。