一种针对非平衡数据集的分类预测方法及分类预测器技术

本发明专利技术公开一种针对非平衡数据集的分类预测方法及分类预测器，所述分类预测方法包括：获取非平衡数据集中的训练样本集以及所述训练样本集对应的最佳分类结果；基于当前目标函数对所述训练样本集进行分类，得到当前分类结果；判断所述当前分类结果与最佳分类结果是否一致；如果一致，则所述当前目标函数作为最优目标函数；否则，基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数；根据当前奖惩函数对当前目标函数进行修正，获得当前修正目标函数，所述当前修正目标函数作为当前目标函数，重新分类。本发明专利技术引入奖惩函数，根据当前奖惩函数对当前目标函数不断进行修正，从而获得最优目标函数，实现对非平衡数据集的准确分类预测。

A classification prediction method and predictor for non balanced datasets

【技术实现步骤摘要】
一种针对非平衡数据集的分类预测方法及分类预测器
本专利技术涉及非平衡数据集分类
，特别是涉及一种针对非平衡数据集的分类预测方法及分类预测器。
技术介绍
分类预测器是诸多行业用于预测某事件未来发展概率或可能性的一项重要的信息处理技术。对表征该事件的数据采用分类预测器进行分类预测可用于许多行业数据的分析，以预测其对应事件发生的可能性。但是，许多行业数据是典型的非平衡数据。以二分类问题为例，非平衡数据的特点是其中一类数据所占的比例远高于另一类，此处把所占比例高的数据称为多数类，所占比例低的数据称为少数类。少数类数据占的比例越低，不平衡率越高。但少数类数据的预测错误往往会带来更大的损失，如信用卡盗刷数据、矿井事故数据及脑卒中患者数据等都呈现非平衡分布特性。以脑卒中患者为例，如果将可能患病的脑卒中患者误判为正常，会导致延误病情，错过最佳治疗时间，严重时会付出生命代价。近年来，用于提高非平衡数据集少数类预测性能的预测方法主要包括重采样方法及基于代价敏感的方法。其中，重采样方法主要是通过改变所分析数据中两类数据所占的比例，以提高少数类数据所占比例，使预测器对少数类数据进行更充分的训练，从而使少数类数据的预测性能得到改善和提高。基于代价敏感的预测分类方法是通过添加代价敏感因子，使多数类数据和少数类数据的分类错误给予不同的代价敏感因子，通常少数类数据的分类错误给予较大的代价敏感因子，以提高少数类的分类性能。但这两种针对非平衡数据的方法：重采样方法及基于代价敏感的方法，其分类性能仍未达到理想效果。二者都不同程度会出现少数类的分类性能提高的同时，多数类的分类性能降低的现象。其中重采样方法通过改变少数类数据在原始数据集中所占的比例，以使少数类数据得到更充分的训练，而使多数类数据的训练能力有所降低。这种方法的缺陷一方面是改变了原始数据集中两类数据本身所占的比例，使重采样后的数据不能再真实反映原始数据的分布特点；另一方面是分类器对少数类数据训练过度，而使多数类数据的训练能力大幅降低，从而导致少数类预测性能提高的同时，多数类预测结果出现降低的现象。基于代价敏感的方法通过增加代价敏感因子，使少数类分类正确时给予较大的代价敏感因子，多数类分类正确时给予较小的代价敏感因子，以提高少数类的分类性能。但这种方法同样会出现少数类代价敏感因子增大时，使多数类分类性能得到了降低的现象。
技术实现思路
本专利技术的目的是提供一种针对非平衡数据集的分类预测方法，可提高分类预测的准确性。为实现上述目的，本专利技术提供了如下方案：一种针对非平衡数据集的分类预测方法，所述分类预测方法包括：获取非平衡数据集中的训练样本集以及所述训练样本集对应的最佳分类结果；基于当前目标函数对所述训练样本集进行分类，得到当前分类结果；判断所述当前分类结果与最佳分类结果是否一致；如果一致，则所述当前目标函数作为最优目标函数，以对非平衡数据集中的测试样本集进行分类预测；否则，基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数；根据当前奖惩函数对当前目标函数进行修正，获得当前修正目标函数，所述当前修正目标函数作为当前目标函数，重新分类。可选的，所述基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数，具体包括：采用分类器评价指标对当前分类结果进行性能评价，确定各奖惩参数；根据各所述奖惩参数确定当前分类结果对应的当前奖惩函数。可选的，各所述奖惩参数包括正类样本的分类效果、负类样本的分类效果、预测准确率及G均值指标。可选的，根据各所述奖惩参数确定当前分类结果对应的当前奖惩函数，具体包括：根据正类样本的分类效果、负类样本的分类效果、预测准确率及G均值指标确定正类样本分类效果的奖惩函数RP(XP)及负类样本的奖惩函数RN(XN)；其中，X表示非平衡数据集中的训练样本集；为当前分裂节点的正类样本集；为当前分裂节点的负类样本集；根据所述正类样本分类效果的奖惩函数RP(XP)及负类样本的奖惩函数RN(XN)确定当前奖惩函数R(X)：R(X)＝RP(XP)RN(XN)。可选的，根据以下公式确定所述当前修正目标函数：O′i(X)＝Oi(X)·R(X)；其中，X表示非平衡数据集中的训练样本集，Oi(X)表示当前目标函数，i≥0且为整数，O0(X)表示初始目标函数，R(X)为当前目标函数Oi(X)对应的奖惩函数，O′i(X)表示对当前目标函数Oi(X)修正后的当前修正目标函数。可选的，所述分类预测方法还包括：通过所述最优目标函数对所述非平衡数据集中的测试样本集进行分类预测，获得所述测试样本集的分类结果；采用分类器评价指标，对所述测试样本集的分类结果进行性能评价。可选的，所述训练样本集为非平衡数据集的2/3，所述测试样本集为非平衡数据集的1/3。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术针对非平衡数据集的分类预测方法基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数，引入奖惩函数，以提高少数类的分类性能，同时多数类的分类性能也能同时得到保障；根据当前奖惩函数对当前目标函数不断进行修正，从而获得最优目标函数，实现对非平衡数据集的准确分类预测。本专利技术的目的是提供一种针对非平衡数据集的分类预测器，可提高分类预测的准确性。为实现上述目的，本专利技术提供了如下方案：一种针对非平衡数据集的分类预测器，所述分类预测器包括：获取单元，用于获取非平衡数据集中的训练样本集以及所述训练样本集对应的最佳分类结果；分类单元，用于基于当前目标函数对所述训练样本集进行分类，得到当前分类结果；判断单元，用于判断所述当前分类结果与最佳分类结果是否一致；预测单元，与所述判断单元连接，用于在所述判断单元的判断结果为一致时，所述当前目标函数作为最优目标函数，以对非平衡数据集中的测试样本集进行分类预测；确定单元，与所述判断单元连接，用于在所述判断单元的判断结果为不一致时，基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数；修正单元，分别与所述确定单元和分类单元连接，用于根据当前奖惩函数对当前目标函数进行修正，获得当前修正目标函数，所述当前修正目标函数作为当前目标函数，重新分类。可选的，所述确定单元包括：第一确定模块，用于采用分类器评价指标对当前分类结果进行性能评价，确定各奖惩参数；第二确定模块，用于根据各所述奖惩参数确定当前分类结果对应的当前奖惩函数。可选的，所述修正单元根据以下公式确定所述当前修正目标函数：O′i(X)＝Oi(X)·R(X)；其中，X表示非平衡数据集中的训练样本集，Oi(X)表示当前目标函数，i≥0且为整数，O0(X)表示初始目标函数，R(X)为当前目标函数Oi(X)对应的奖惩函数，O′i(X)表示对当前目标函数Oi(X)修正后的当前修正目标函数。相对于现有技术，本专利技术针对非平衡数据集的分类预测器与上述针对非平衡数据集的分类预测方法的有益效果相同，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例针对非平衡数据集的分类预测方法的本文档来自技高网...

【技术保护点】
一种针对非平衡数据集的分类预测方法，其特征在于，所述分类预测方法包括：获取非平衡数据集中的训练样本集以及所述训练样本集对应的最佳分类结果；基于当前目标函数对所述训练样本集进行分类，得到当前分类结果；判断所述当前分类结果与最佳分类结果是否一致；如果一致，则所述当前目标函数作为最优目标函数，以对非平衡数据集中的测试样本集进行分类预测；否则，基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数；根据当前奖惩函数对当前目标函数进行修正，获得当前修正目标函数，所述当前修正目标函数作为当前目标函数，重新分类。

【技术特征摘要】
1.一种针对非平衡数据集的分类预测方法，其特征在于，所述分类预测方法包括：获取非平衡数据集中的训练样本集以及所述训练样本集对应的最佳分类结果；基于当前目标函数对所述训练样本集进行分类，得到当前分类结果；判断所述当前分类结果与最佳分类结果是否一致；如果一致，则所述当前目标函数作为最优目标函数，以对非平衡数据集中的测试样本集进行分类预测；否则，基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数；根据当前奖惩函数对当前目标函数进行修正，获得当前修正目标函数，所述当前修正目标函数作为当前目标函数，重新分类。2.根据权利要求1所述的针对非平衡数据集的分类预测方法，其特征在于，所述基于分类器评价指标对所述当前分类结果进行性能评价确定当前奖惩函数，具体包括：采用分类器评价指标对当前分类结果进行性能评价，确定各奖惩参数；根据各所述奖惩参数确定当前分类结果对应的当前奖惩函数。3.根据权利要求2所述的针对非平衡数据集的分类预测方法，其特征在于，各所述奖惩参数包括正类样本的分类效果、负类样本的分类效果、预测准确率及G均值指标。4.根据权利要求3所述的针对非平衡数据集的分类预测方法，其特征在于，根据各所述奖惩参数确定当前分类结果对应的当前奖惩函数，具体包括：根据正类样本的分类效果、负类样本的分类效果、预测准确率及G均值指标确定正类样本分类效果的奖惩函数RP(XP)及负类样本的奖惩函数RN(XN)；其中，X表示非平衡数据集中的训练样本集；为当前分裂节点的正类样本集；为当前分裂节点的负类样本集；根据所述正类样本分类效果的奖惩函数RP(XP)及负类样本的奖惩函数RN(XN)确定当前奖惩函数R(X)：R(X)＝RP(XP)RN(XN)。5.根据权利要求1所述的针对非平衡数据集的分类预测方法，其特征在于，根据以下公式确定所述当前修正目标函数：Oi′(X)＝Oi(X)·R(X)其中，X表示非平衡数据集中的训练样本集，Oi(X)表示当前目标函数，i≥0且为整数，O0(X)表示初始目标函数，R(X)为当前目标函数Oi(X)对应的奖惩函数，Oi′(X)表示对当前目标函数Oi...

【专利技术属性】
技术研发人员：李凤莲，张雪英，焦江丽，王灿，李坤奇，黄丽霞，孙颖，陈桂军，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14