结合类别权重的集成学习分类方法技术

本发明专利技术涉及一种结合类别权重的集成学习分类方法，首先将原始数据进行预处理，转换成分类方法可以处理的数据格式，获得训练数据集和待分类数据集；然后初始化训练数据集样本权重；然后依据训练数据集及其样本权重迭代训练M个基分类器，其中计算类别权重；然后集成所有基分类器，结合类别权重使用判别分类器，对待分类数据集进行分类；最后将分类结果保存到文件中，提供分类预测的参考。本发明专利技术解决了在集成学习的多类别分类问题中，类别之间训练不平衡的问题，更好地抵制了“过学习”并且提高了模型预测精度，为分类预测提供更可靠的参考。

【技术实现步骤摘要】

【技术保护点】
一种结合类别权重的集成学习分类方法，其特征在于该方法具体步骤如下：A.      将原始数据进行预处理，转换成分类方法能处理的数据格式，同时获得训练数据集和待分类数据集；B.      初始化训练数据集样本权重；C.      从m=1到M迭代，依据训练数据集及其样本权重训练M个基分类器；D.      集成步骤C中的所有基分类器，结合类别权重使用判别分类器，对待分类数据集进行分类；E.      将分类结果保存到文件中，提供分类预测的参考。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴悦，严超，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31