代价敏感神经网络的调整方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种代价敏感神经网络的调整方法、装置、设备及介质。该方法包括：在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵；在代价敏感神经网络的判别函数中配置第二代价矩阵；调整第一代价矩阵和第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1；其中，不均衡数据样本集中属于少数类的样本为正样本。本发明专利技术实施例的代价敏感神经网络的调整方法、装置、设备及介质，能够使不均衡数据样本集中属于少数类的样本的召回率达到1，提高不均衡数据样本集中属于少数类的样本预测的准确率。

Adjustment method, device, equipment and medium of cost sensitive neural network

【技术实现步骤摘要】
代价敏感神经网络的调整方法、装置、设备及介质
本专利技术涉及计算机
，尤其涉及一种代价敏感神经网络的调整方法、装置、设备及介质。
技术介绍
航班价格是随着市场销售情况动态变化的，销售好的航线或航班会涨价销售，反之则会降价销售。在实际应用于，航班价格预测所使用样本为不均衡样本，航班价格不变的样本约占样本总量的90％，航班价格变化(价格升高和降低)的样本约占样本总量的10％。如果想真正产生价值，必须准确预测航班价格变化的样本即少数类样本，在少数类样本为正样本的情况下，也就是说，使少数类样本的召回率达到1。但是，现有的神经网络是以整体差错率最低为目的，并不能使少数类样本召回率达到1。
技术实现思路
本专利技术实施例提供一种代价敏感神经网络的调整方法、装置、设备及介质，能够使少数类样本召回率达到1，提高不均衡数据样本集中属于少数类的样本预测的准确率。第一方面，本专利技术实施例提供了一种代价敏感神经网络的调整方法，包括：在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵；在代价敏感神经网络的判别函数中配置第二代价矩阵；调整第一代价矩阵和第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1；其中，不均衡数据样本集中属于少数类的样本为正样本，不均衡数据包括不均衡航班数据或除航班数据之外的其他不均衡数据。在本专利技术实施例的一个可能实现方式中，在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵，可以包括：在损失函数中配置第一代价矩阵的第一分类代价和第一分类代价阈值；在本专利技术实施例的一个可能实现方式中，在代价敏感神经网络的判别函数中配置第二代价矩阵，可以包括：在判别函数中配置第二代价矩阵的第二分类代价和第二分类代价阈值。在本专利技术实施例的一个可能实现方式中，调整第一代价矩阵和第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1，可以包括：调整第一分类代价、第一分类代价阈值、第二分类代价和第二分类代价阈值，直至不均衡数据样本集中正样本的召回率为1。在本专利技术实施例的一个可能实现方式中，调整第一分类代价、第一分类代价阈值、第二分类代价和第二分类代价阈值，直至不均衡数据样本集中正样本的召回率为1，可以包括：基于包括被代价敏感神经网络分类错误的样本的测试集，调整第一分类代价、第一分类代价阈值、第二分类代价和第二分类代价阈值，直至不均衡数据样本集中正样本的召回率为1。在本专利技术实施例的一个可能实现方式中，基于包括被代价敏感神经网络分类错误的样本的测试集，调整第一分类代价、第一分类代价阈值、第二分类代价和第二分类代价阈值，直至不均衡数据样本集中正样本的召回率为1，可以包括：基于当前的第一分类代价和第二分类代价，检测测试集中正样本的召回率是否为1；若测试集中正样本的召回率不为1，调整第一分类代价；判断调整后的第一分类代价是否大于第一分类代价阈值；若调整后的第一分类代价不大于第一分类代价阈值，基于当前的第一分类代价和第二分类代价，检测测试集中正样本的召回率是否为1，并继续调整第一分类代价，直至测试集中正样本的召回率为1或调整后的第一分类代价大于第一分类代价阈值；若调整后的第一分类代价大于第一分类代价阈值，调整第一分类代价阈值，并调整第二分类代价，判断调整后的第二分类代价是否大于第二分类代价阈值；若调整后的第二分类代价不大于第二分类代价阈值，基于当前的第一分类代价和第二分类代价，检测测试集中正样本的召回率是否为1，并继续调整第二分类代价，直至测试集中正样本的召回率为1或调整后的第二分类代价大于第二分类代价阈值；若调整后的第二分类代价大于第二分类代价阈值，则返回调整第一分类代价的步骤继续执行。在本专利技术实施例的一个可能实现方式中，可以以预设代价调整值调整第一分类代价和第二分类代价，以预设阈值调整值调整第一分类代价阈值和第二分类代价阈值。在本专利技术实施例的一个可能实现方式中，本专利技术实施例提供的代价敏感神经网络的调整方法，还可以包括：从不均衡数据样本集中提取被代价敏感神经网络分类错误的样本；基于所提取的样本，生成测试集。第二方面，本专利技术实施例提供一种代价敏感神经网络的调整装置，包括：第一配置模块，用于在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵；第二配置模块，用于在代价敏感神经网络的判别函数中配置第二代价矩阵；调整模块，用于调整第一代价矩阵和第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1；其中，不均衡数据样本集中属于少数类的样本为正样本，不均衡数据包括不均衡航班数据或除航班数据之外的其他不均衡数据。在本专利技术实施例的一个可能实现方式中，第一配置模块，具体可以用于：在损失函数中配置第一代价矩阵的第一分类代价和第一分类代价阈值；在本专利技术实施例的一个可能实现方式中，第二配置模块，具体可以用于：在判别函数中配置第二代价矩阵的第二分类代价和第二分类代价阈值。在本专利技术实施例的一个可能实现方式中，调整模块，具体可以用于：调整第一分类代价、第一分类代价阈值、第二分类代价和第二分类代价阈值，直至不均衡数据样本集中正样本的召回率为1。在本专利技术实施例的一个可能实现方式中，调整模块，具体可以用于：基于包括被代价敏感神经网络分类错误的样本的测试集，调整第一分类代价、第一分类代价阈值、第二分类代价和第二分类代价阈值，直至不均衡数据样本集中正样本的召回率为1。在本专利技术实施例的一个可能实现方式中，调整模块，具体可以用于：基于当前的第一分类代价和第二分类代价，检测测试集中正样本的召回率是否为1；若测试集的召回率不为1，调整第一分类代价；判断调整后的第一分类代价是否大于第一分类代价阈值；若调整后的第一分类代价不大于第一分类代价阈值，基于当前的第一分类代价和第二分类代价，检测测试集中正样本的召回率是否为1，并继续调整第一分类代价，直至测试集中正样本的召回率为1或调整后的第一分类代价大于第一分类代价阈值；若调整后的第一分类代价大于第一分类代价阈值，调整第一分类代价阈值，并调整第二分类代价，判断调整后的第二分类代价是否大于第二分类代价阈值；若调整后的第二分类代价不大于第二分类代价阈值，基于当前的第一分类代价和第二分类代价，检测测试集中正样本的召回率是否为1，并继续调整第二分类代价，直至测试集中正样本的召回率为1或调整后的第二分类代价大于第二分类代价阈值；若调整后的第二分类代价大于第二分类代价阈值，则返回调整第一分类代价的步骤继续执行。在本专利技术实施例的一个可能实现方式中，可以以预设代价调整值调整第一分类代价和第二分类代价，以预设阈值调整值调整第一分类代价阈值和第二分类代价阈值。在本专利技术实施例的一个可能实现方式中，本专利技术实施例提供的代价敏感神经网络的调整装置，还可以包括：提取模块，用于从不均衡数据样本集中提取被代价敏感神经网络分类错误的样本；本文档来自技高网...

【技术保护点】
1.一种代价敏感神经网络的调整方法，其特征在于，所述方法包括：/n在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵；/n在所述代价敏感神经网络的判别函数中配置第二代价矩阵；/n调整所述第一代价矩阵和所述第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1；其中，不均衡数据样本集中属于少数类的样本为正样本，不均衡数据包括不均衡航班数据或除所述航班数据之外的其他不均衡数据。/n

【技术特征摘要】
1.一种代价敏感神经网络的调整方法，其特征在于，所述方法包括：
在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵；
在所述代价敏感神经网络的判别函数中配置第二代价矩阵；
调整所述第一代价矩阵和所述第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1；其中，不均衡数据样本集中属于少数类的样本为正样本，不均衡数据包括不均衡航班数据或除所述航班数据之外的其他不均衡数据。


2.根据权利要求1所述的方法，其特征在于，所述在用于不均衡数据预测的代价敏感神经网络的损失函数中配置第一代价矩阵，包括：
在所述损失函数中配置所述第一代价矩阵的第一分类代价和第一分类代价阈值；
所述在所述代价敏感神经网络的判别函数中配置第二代价矩阵，包括：
在所述判别函数中配置所述第二代价矩阵的第二分类代价和第二分类代价阈值。


3.根据权利要求2所述的方法，其特征在于，所述调整所述第一代价矩阵和所述第二代价矩阵，直至不均衡数据样本集中正样本的召回率为1，包括：
调整所述第一分类代价、所述第一分类代价阈值、所述第二分类代价和所述第二分类代价阈值，直至所述不均衡数据样本集中正样本的召回率为1。


4.根据权利要求3所述的方法，其特征在于，所述调整所述第一分类代价、所述第一分类代价阈值、所述第二分类代价和所述第二分类代价阈值，直至所述不均衡数据样本集中正样本的召回率为1，包括：
基于包括被所述代价敏感神经网络分类错误的样本的测试集，调整所述第一分类代价、所述第一分类代价阈值、所述第二分类代价和所述第二分类代价阈值，直至所述不均衡数据样本集中正样本的召回率为1。


5.根据权利要求4所述的方法，其特征在于，所述基于包括被所述代价敏感神经网络分类错误的样本的测试集，调整所述第一分类代价、所述第一分类代价阈值、所述第二分类代价和所述第二分类代价阈值，直至所述不均衡数据样本集中正样本的召回率为1，包括：
基于当前的所述第一分类代价和所述第二分类代价，检测所述测试集中正样本的召回率是否为1；
若所述测试集中正样本的召回率不为1，调整所述第一分类代价；判断调整后的所述第一分类代价是否大于所述第一分类代价阈值；若所述调整后的所述第一分类代价不大于所述第一分类代价阈值，基于当前的所述第一分类代价...

【专利技术属性】
技术研发人员：王楠，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：黑龙;23