[发明专利]集成学习中有偏数据下基于多步标签变换的Boosting改进方法在审
| 申请号： | 201810108192.6 | 申请日： | 2018-02-02 |
| 公开（公告）号： | CN108399457A | 公开（公告）日： | 2018-08-14 |
| 发明（设计）人： | 孙红光;盛敏;李伟民;史琰;李建东;文娟;张琰;刘俊宇 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00 |
| 代理公司： | 西安长和专利代理有限公司 61227 | 代理人： | 黄伟洪 |
| 地址： | 710071 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于数据识别技术领域，公开了一种集成学习中有偏数据下基于多步标签变换的Boosting改进方法，准备训练数据集，测试数据集；针对训练数据集样本原始标签进行有偏性检测和标签变换；采用多阶段标签变换的方式进行Boosting过程迭代，每个阶段训练结束，计算当前阶段下拟合残差，满足变换指标时，进行sigmod压缩变换与boxcox变换；通过及时停止机制确定拟合阶段数目，完成训练过程；通过分阶段对测试数据预测和反变换完成预测过程，得到预测结果。本发明充分缓解了数据有偏性对算法系统带来的影响，提升了算法的灵活性，一定程度上提升了Boosting算法的拟合能力，使得算法表现更加鲁棒。 | ||
| 搜索关键词： | 标签变换 拟合 训练数据集 集成学习 算法 测试数据集 测试数据 过程迭代 阶段训练 数据识别 算法系统 训练过程 预测结果 原始标签 多阶段 反变换 分阶段 预测 残差 鲁棒 样本 改进 压缩 缓解 检测 表现 | ||
【主权项】：
1.一种集成学习中有偏数据下基于多步标签变换的Boosting改进方法，其特征在于，所述集成学习中有偏数据下基于多步标签变换的Boosting改进方法包括：准备训练数据集，测试数据集；针对训练数据集样本原始标签进行有偏性检测和标签变换；采用多阶段标签变换的方式进行Boosting过程迭代，每个阶段训练结束，计算当前阶段下拟合残差，满足变换指标时，进行sigmod压缩变换与boxcox变换；通过及时停止机制确定拟合阶段数目，完成训练过程；通过分阶段对测试数据预测和反变换完成预测过程，得到预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810108192.6/，转载请声明来源钻瓜专利网。
