分类模型的评估方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种分类模型的评估方法、装置、计算机设备和存储介质。该方法包括：获取待测样本，待测样本包括初始基础样本和对应的初始标记样本，初始标记样本包括初始标记正样本和初始标记负样本，初始标记样本包括对应的样本标识；将待测样本输入至分类模型中，得到分类模型输出的分类结果；根据样本标识从分类结果中查找目标标记样本，目标标记样本包括目标标记正样本和目标标记负样本；根据目标标记样本和初始标记样本得到分类模型的评估结果。采用本方法能够提高分类模型的评估准确率。

Evaluation method, device, computer equipment and storage medium of classification model

【技术实现步骤摘要】
分类模型的评估方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种分类模型的评估方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能(ArtificialIntelligence，AI)技术的发展，出现了各种分类模型，基于分类模型输出的分类结果，可以实现各个应用场景的相关处理，例如实现人脸识别、无人驾驶等等。其中，评估分类模型的模型效果是至关重要的一环，直接决定了一个分类模型是否可以上线用来进行分类。通常，目前评估分类模型的模型效果是通过使用抽样方案来确定分类模型的模型效果，然而，抽样方案在千万级别的数据，抽取较少的样本，以样本的质量很难代表整体的质量，很难客观的反应分类模型的模型效果，分类模型的评估准确率低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高分类模型的评估准确率的分类模型的评估方法、装置、计算机设备和存储介质。一种分类模型的评估方法，该方法包括：获取待测样本，待测样本包括初始基础样本和对应的初始标记样本，初始标记样本包括初始标记正样本和初始标记负样本本文档来自技高网...

【技术保护点】
1.一种分类模型的评估方法，所述方法包括：/n获取待测样本，所述待测样本包括初始基础样本和对应的初始标记样本，所述初始标记样本包括初始标记正样本和初始标记负样本，所述初始标记样本包括对应的样本标识；/n将所述待测样本输入至分类模型中，得到所述分类模型输出的分类结果；/n根据所述样本标识从所述分类结果中查找目标标记样本，所述目标标记样本包括目标标记正样本和目标标记负样本；/n根据所述目标标记样本和所述初始标记样本得到所述分类模型的评估结果。/n

【技术特征摘要】
1.一种分类模型的评估方法，所述方法包括：
获取待测样本，所述待测样本包括初始基础样本和对应的初始标记样本，所述初始标记样本包括初始标记正样本和初始标记负样本，所述初始标记样本包括对应的样本标识；
将所述待测样本输入至分类模型中，得到所述分类模型输出的分类结果；
根据所述样本标识从所述分类结果中查找目标标记样本，所述目标标记样本包括目标标记正样本和目标标记负样本；
根据所述目标标记样本和所述初始标记样本得到所述分类模型的评估结果。


2.根据权利要求1所述的方法，其特征在于，所述将所述待测样本输入至分类模型中，得到所述分类模型输出的分类结果，包括：
所述分类模型根据预设评估策略动态调整所述待测样中所述初始标记正样本和所述初始标记负样本的数目，得到调整后的初始标记样本；
所述分类模型对所述初始基础样本和所述调整后的初始标记样本进行分类识别，得到分类结果。


3.根据权利要求1所述的方法，其特征在于，所述根据所述目标标记样本和所述初始标记样本得到所述分类模型的评估结果，包括：
将所述目标标记样本和所述初始标记样本进行正交计算，得到正交结果；
根据所述正交结果绘制生成对应的标记样本回归曲线，所述标记样本回归曲线用于描述分类模型对应的评估分数值；
根据所述标记样本回归曲线得到所述分类模型的评估结果。


4.根据权利要求1所述的方法，其特征在于，所述分类结果为第一分类结果和第二分类结果，所述方法还包括：
根据所述样本标识确定所述第一分类结果中所述初始标记正样本对应的第一数目；
根据所述第一分类结果和所述第一数目计算得到对应的第一误分类率；
根据所述样本标识确定所述第二分类结果中所述初始标记负样本对应的第二数目；
根据所述第二分类结果和所述第二数目计算得到对应的第二误分类率；
根据所述第一误分类率和所述第二误分类率得到所述分类模型的评估结果。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

【专利技术属性】
技术研发人员：洪燕忠，
申请(专利权)人：广州品唯软件有限公司，
类型：发明
国别省市：广东;44