[发明专利]基于改进型多层Stacking模型的目标用户挖掘方法及装置

权利要求书

1.基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，包括步骤：

S1、获取原始数据集和原始Stacking分类模型，所述原始数据集为预先打标好的用户数据，所述原始Stacking分类模型中每一层均设置有X种基础分类器，其中，X为大于1的正整数；

S2、根据所述原始数据集依次对所述原始Stacking分类模型中的每一层进行训练，以得到训练好的目标用户分类模型，所述目标用户分类模型中的第一层和第三层都只包括多种基础分类器中分类准确性最高的一种基础分类器，且第二层包括所有种类的基础分类器；

S3、获取待分类用户集，将所述待分类用户数据输入到所述目标用户分类模型，以得到目标用户集。

2.根据权利要求1所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述步骤S2包括：

S21、使用所述原始数据集D中的训练集D₁对第一层的X种基础分类器分别进行训练，并使用所述原始数据集中的测试集D_T验证各种基础分类器的分类准确性，将分类准确性最高的第一分类器作为第一层分类器，根据所述第一层分类器对所述原始数据集D进行预测，得到第一层元数据集D'；

S22、使用所述第一层元数据集D'对第二层的X种基础分类器进行训练，得到训练好的第二分类器，将X种第二分类器作为第二层分类器，使用所述第二层分类器对第一层元数据集D'进行预测，得到第二层元数据集D”；

S23、使用所述第二层元数据集D”对第三层的X种基础分类器进行训练，将训练后分类准确性最高的第三分类器作为第三层分类器，得到目标用户分类模型。

3.根据权利要求2所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述步骤S23之后还包括：

S24、使用原始数据集D对不同迭代次数的目标用户分类模型进行测试，得到每一个基础分类器在不同迭代次数下的分类准确性，将每一个基础分类器中分类准确性最高的迭代次数赋予所述目标用户分类模型中对应的基础分类器。

4.根据权利要求3所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述步骤S24之后还包括：

S25、使用不同的初始化参数构造n个第一分类器，当n取不同正整数时，得到多个备选的第一层分类器，使用所述原始数据集D对每一个备选的第一层分类器进行测试，得到每一个备选的第一层分类器的分类准确性，将备选的第一层分类器中分类准确性最高的一个作为最终的第一层分类器；

S26、获取X种第二分类器，对于每一种第二分类器构建n'个分类器，合计得到X*n'个分类器，当n'取不同正整数时，得到多个备选的第二层分类器，之后对每一个备选的第二层分类器进行测试，得到每一个备选的第二层分类器的分类准确性，将备选的第二层分类器中分类准确性最高的一个作为最终的第二层分类器，得到训练好的目标用户分类模型。

5.根据权利要求1至4任一所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述基础分类器包括RandomForest、DecisionTree、SVC、KNeighbors中至少两种。

6.基于改进型多层Stacking模型的目标用户挖掘装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下：

S1、获取原始数据集和原始Stacking分类模型，所述原始数据集为预先打标好的用户数据，所述原始Stacking分类模型中每一层均设置有X种基础分类器，其中，X为大于1的正整数；

S2、根据所述原始数据集依次对所述原始Stacking分类模型中的每一层进行训练，以得到训练好的目标用户分类模型，所述目标用户分类模型中的第一层和第三层都只包括多种基础分类器中分类准确性最高的一种基础分类器，且第二层包括所有种类的基础分类器；

S3、获取待分类用户集，将所述待分类用户数据输入到所述目标用户分类模型，以得到目标用户集。