[发明专利]一种分类器构建方法及预测分类的方法

摘要

本发明提供了一种分类器构建方法及预测分类的方法，其中，该分类器构建方法包括：获取多个训练样本的训练数据集；其中，训练数据集包括属性信息和分类信息；从属性信息中提取属性特征；将属性特征作为初始自变量，将对应的分类信息作为初始因变量进行至少一轮模型训练；其中，每一轮模型训练由至少两个候选模型参与；将每一轮模型训练中错误率最小的模型的组合，作为完成训练的分类器。通过本发明提供的分类器构建方法及预测分类的方法，基于至少两个候选模型进行至少一轮模型训练以得到分类器，并能够根据训练好的分类器预测目标样本的分类，避免了采用单一的分类方法所带来的预测精度和预测准确度均较差的问题，预测的精度和准确度均较高。 1

主权项

1.一种分类器构建方法，其特征在于，包括：

获取多个训练样本的训练数据集；其中，所述训练数据集包括属性信息和分类信息；

从所述属性信息中提取属性特征；

将所述属性特征作为初始自变量，将对应的分类信息作为初始因变量进行至少一轮模型训练；其中，每一轮模型训练由至少两个候选模型参与；

将每一轮模型训练中错误率最小的模型的组合，作为完成训练的分类器。

2.根据权利要求1所述的方法，其特征在于，每轮训练执行如下操作：

基于本轮训练使用的训练数据确定当前自变量的自变量值和当前因变量的因变量值，对参与本轮训练的至少两个候选模型进行训练；

根据本轮训练的结果，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型；并

确定所述第一候选模型在本轮训练中得到的分类结果错误的出错训练样本；

基于预设权重更新规则，将出错训练样本的权重更新；

根据所述多个训练样本的当前权重，对多个训练样本进行分层抽样处理，得到下一轮训练需要使用的训练数据，进入下一轮训练。

3.根据权利要求2所述的方法，其特征在于，针对除第一轮训练之外的其他轮训练，在基于本轮训练使用的训练数据确定对应自变量的自变量值和对应因变量的因变量值之前，还包括：

基于上轮训练结束确定的本轮训练需要使用的训练数据所包含训练样本的特征，构建针对本轮训练的新的属性特征；并

将所述新的属性特征确定为当前自变量，将对应的分类信息确定为当前因变量。

4.根据权利要求2所述的方法，其特征在于，针对除第一轮训练之外的其他轮训练，根据本轮训练的结果，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型，具体包括：

基于所述多个训练样本的属性信息，确定每个训练样本的对应当前自变量的自变量值及当前因变量的因变量值；

将每个训练样本的对应自变量值分别输入本轮完成训练的至少两个候选模型，得到各训练样本的分类结果；

根据得到的各训练样本的分类结果以及对应的分类信息，从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型。

5.根据权利要求2‑4任一项所述的方法，其特征在于，在确定出错误率最低的第一候选模型之后，还包括：

根据该最低错误率与模型权重的预设数值关系，确定所述第一候选模型的权重；其中，所述预设数值关系满足错误率越小，模型权重越高；

将每一轮模型训练中错误率最小的模型的组合，作为完成训练的分类器，具体包括：

将每一轮模型训练中错误率最小的模型及其对应模型权重的加权组合，作为完成训练的分类器。

6.根据权利要求2‑4任一项所述的方法，其特征在于，根据所述多个训练样本的当前权重，对多个训练样本进行分层抽样处理，得到下一轮训练需要使用的训练数据，具体包括：

从所述多个训练样本中，确定当前权重大于初始权重的部分或全部的训练样本，作为第一训练样本；

根据确定的第一训练样本的数量以及预设数量关系，确定对应数量的当前权重小于初始权重的第二训练样本；并

将所述第一训练样本和所述第二训练样本对应属性信息以及分类信息作为下一轮训练需要使用的训练数据。

7.根据权利要求6所述的方法，其特征在于，所述将所述第一训练样本和所述第二训练样本对应属性信息以及分类信息作为下一轮训练需要使用的训练数据之前，还包括：

基于所述第一训练样本的分布特征合成预设数量个第三训练样本；

所述将所述第一训练样本和所述第二训练样本对应属性信息以及分类信息作为下一轮训练需要使用的训练数据，包括：

将所述第一训练样本、所述第二训练样本和所述合成的第三训练样本对应属性信息以及分类信息作为下一轮训练需要使用的训练数据。

8.根据权利要求6所述的方法，其特征在于，在进入下一轮训练之前，还包括：

对确定的下一轮训练需要使用的训练数据进行类别不平衡处理。

9.根据权利要求2‑4任一项所述的方法，其特征在于，在从参与本轮训练的至少两个候选模型中确定错误率最低的第一候选模型之后，还包括：

确定该最低错误率未达到预设错误率阈值。

10.一种基于权利要求1至9中任一项训练好的分类器预测分类的方法，其特征在于，包括：

获取目标样本的属性信息；

针对每轮训练得到的错误率最小的模型，基于所述目标样本的属性信息，确定该模型所使用属性特征对应的特征值；

将各错误率最小模型对应的特征值分别输入对应模型得到各错误率最小模型分别对应的分类结果；

基于各错误率最小模型对应的模型权重，对各分类结果进行加权求和，并将得到的和值确定为所述目标样本的分类结果。