[发明专利]一种机器学习冗余数据删除方法及系统在审
| 申请号： | 201811547099.1 | 申请日： | 2018-12-18 |
| 公开（公告）号： | CN109800891A | 公开（公告）日： | 2019-05-24 |
| 发明（设计）人： | 韩锐;刘驰 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10;G06F16/174 |
| 代理公司： | 北京安博达知识产权代理有限公司 11271 | 代理人： | 徐国文 |
| 地址： | 100086 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种机器学习冗余数据删除方法及系统，获取机器学习模型对应的被训练数据；对所述被训练数据采用设定的降维方式进行压缩处理，得到粗粒度压缩点；在训练过程中，基于每个粗粒度压缩点获得所述粗粒度压缩点对应的多个细粒度压缩点；基于所述细粒度压缩点对机器学习模型相应参数的影响值删除所述细粒度压缩点对应的备选的被训练数据，量化的评价输入数据点对参数的影响值，从而为移除冗余数据提供了依据，减少了资源的浪费，准确度高。 | ||
| 搜索关键词： | 压缩点 训练数据 粗粒度 细粒度 机器学习模型 冗余数据删除 机器学习 输入数据点 冗余数据 训练过程 压缩处理 准确度 备选的 降维 移除 删除 量化 | ||
【主权项】：
1.一种机器学习冗余数据删除方法，其特征在于，所述方法包括：获取机器学习模型对应的被训练数据；对所述被训练数据采用设定的降维方式进行压缩处理，得到粗粒度压缩点；在训练过程中，基于每个粗粒度压缩点获得所述粗粒度压缩点对应的多个细粒度压缩点；基于所述细粒度压缩点对机器学习模型相应参数的影响值删除所述细粒度压缩点对应的备选的被训练数据。
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北京理工大学，未经北京理工大学许可，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/201811547099.1/，转载请声明来源钻瓜专利网。
