[发明专利]一种面向数据驱动建模的主动学习方法在审
申请号: | 201910332775.1 | 申请日: | 2019-04-24 |
公开(公告)号: | CN110070131A | 公开(公告)日: | 2019-07-30 |
发明(设计)人: | 刘宏刚;李峰;刘红丽 | 申请(专利权)人: | 苏州浪潮智能科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京连和连知识产权代理有限公司 11278 | 代理人: | 刘小峰 |
地址: | 215100 江苏省苏州市吴*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种面向数据驱动建模的主动学习方法,包括以下步骤:1.从训练集中随机选择K个样本构成初始训练集,并利用初始训练集对基准分类器训练;2.利用训练后的基准分类器对训练集中剩余样本进行预测得到预测结果,并与阈值条件比对;3.响应于预测结果不满足阈值条件,基于预测结果计算基准分类器对剩余样本的不确定性,并将不确定性由高到低排序;4.将排序中不确定性最高的前N个样本加入到初始训练集中;5.利用初始训练集对基准分类器训练;6.循环重复上述步骤2到步骤5,直到在步骤2中预测结果满足阈值条件。通过本发明的方法,能够实现高价值训练样本的选择功能,并且在降低训练时间、经济成本的同时提升模型的泛化能力。 | ||
搜索关键词: | 基准分类 预测结果 不确定性 阈值条件 训练集 剩余样本 数据驱动 主动学习 建模 排序 样本 经济成本 随机选择 选择功能 循环重复 训练样本 比对 响应 预测 | ||
【主权项】:
1.一种面向数据驱动建模的主动学习方法,其特征在于,包括以下步骤:1)从训练集中随机选择K个样本构成初始训练集,并利用所述初始训练集对基准分类器训练;2)利用训练后的所述基准分类器对所述训练集中剩余样本进行预测得到预测结果,并与阈值条件比对;3)响应于预测结果不满足所述阈值条件,基于所述预测结果计算所述基准分类器对所述剩余样本的不确定性,并将所述不确定性由高到低排序;4)将所述排序中不确定性最高的前N个样本加入到所述初始训练集中;5)利用所述初始训练集对所述基准分类器训练;6)循环重复步骤2)到5),直到在步骤2)的预测结果满足所述阈值条件。
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苏州浪潮智能科技有限公司,未经苏州浪潮智能科技有限公司许可,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/201910332775.1/,转载请声明来源钻瓜专利网。