一种聚类模型的选取方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种聚类模型的选取方法、装置、电子设备及存储介质，该方法包括以下步骤：将目标样本输入到聚类模型中进行聚类，得到聚类结果，所述聚类模型包括N个模型参数，N为大于1的整数；将每个模型参数对应的聚类结果与所述目标样本进行对比，根据对比结果计算每个模型参数对应的聚类结果的评价分数；选取M个最高评价分数对应的模型参数，其中，M大于等于1，且M小于N。根据所述M个最高评价分数对应的模型参数确定对应的聚类模型。本发明专利技术能够选取出最优的模型参数对应的最优的聚类模型，使得在进行数据聚类时，使用最优的聚类模型对数据进行聚类，进而有效提高数据聚类效率。进而有效提高数据聚类效率。进而有效提高数据聚类效率。

【技术实现步骤摘要】
一种聚类模型的选取方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据聚类
，尤其涉及一种聚类模型的选取方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，在现有的数据聚类平台上，需要对各种数据进行聚类以适应不同的应用场景，而不同的应用场景需要的聚类模型的精准度也会不相同的，为此，在不同的应用场景下，需要调整聚类模型的参数，才能改变聚类模型的精准度。但现有的调节方式一般为用户手动调整聚类模型的参数，而由于用户手动调整，会带有用户的主观判断使得调整不够准确且调整时间长。在需要聚类模型对数据进行聚类时，并不能够快速且精准的调整到最优的聚类模型对数据进行聚类，导致数据聚类效率低以及准确率低。

技术实现思路

[0003]本专利技术实施例提供一种聚类模型的选取方法，能够在进行数据聚类时，能快速精准的选取最优的聚类模型对数据进行聚类，进而有效提高数据聚类效率以及准确率。
[0004]第一方面，本专利技术实施例提供一种聚类模型的选取方法，所述方法包括以下步骤：
[0005]将目标样本输入到聚类模型中进行聚类，得到聚类结果，所述聚类模型包括N个模型参数，N为大于1的整数；
[0006]将每个模型参数对应的聚类结果与所述目标样本进行对比，根据对比结果计算每个模型参数对应的聚类结果的评价分数；
[0007]选取M个最高评价分数对应的模型参数，其中，M大于等于1，且M小于N。
[0008]根据所述M个最高评价分数对应的模型参数确定对应的聚类模型。
[0009]可选的，所述聚类模型包括：第一层聚类模型以及第二层聚类模型，所述模型参数包括与所述第一层聚类模型对应的第一模型参数、以及与所述第二层聚类模型对应的第二模型参数；所述将目标样本输入到聚类模型中进行聚类，得到聚类结果的步骤包括：
[0010]将所述目标样本输入到所述第一层聚类模型进行聚类，得到第一聚类结果，所述第一层聚类模型包括N个第一模型参数，N大于等于1的整数；
[0011]将所述第一聚类结果输入到所述第二层聚类模型进行聚类，得到第二聚类结果，所述第二层聚类模型包括N个第二模型参数，N大于等于1的整数；
[0012]将所述第二聚类结果作为聚类模型的聚类结果。
[0013]可选的，所述根据对比结果计算每个模型参数对应的聚类结果的评价分数的步骤包括：
[0014]根据对比结果计算每个模型参数对应的聚类结果的召回率；
[0015]以及，计算每个模型参数对应的聚类结果的准确率；
[0016]根据所述召回率以及所述准确率计算得到每个相似参数对应的聚类结果的评价分数。
[0017]可选的，所述评价分数等于所述召回率与所述准确率乘积的两倍除以所述召回率与所述准确率之和。
[0018]可选的，所述选取M个最高评价分数对应的模型参数的步骤包括：
[0019]将计算得到的N个评价分数进行排序；
[0020]从所述N个评价分数中统计最高评价分数对应的模型参数的个数，以得到M个最高评价分数对应的模型参数。
[0021]可选的，所述模型参数的参数范围为预设的第一模型参数阈值到预设的第二模型参数阈值之间。
[0022]可选的，所述N个模型参数的获取过程为：
[0023]在所述模型参数的参数范围中，从所述第一模型参数阈值开始以一预设精度依次递增，直到递增到所述第二模型参数阈值后结束，其中，每递增一次得到一个新的模型参数；
[0024]统计所述第一模型参数阈值到所述第二模型参数阈值之间的模型参数个数，最终得到N个模型参数。
[0025]第二方面，本专利技术实施例还提供一种聚类模型的选取装置，所述装置包括：
[0026]聚类模块，用于将目标样本输入到聚类模型中进行聚类，得到聚类结果，所述聚类模型包括N个模型参数，N为大于1的整数；
[0027]评价分数计算模块，用于将每个模型参数对应的聚类结果与所述目标样本进行对比，根据对比结果计算每个模型参数对应的聚类结果的评价分数；
[0028]模型参数选取模块，用于选取M个最高评价分数对应的模型参数，其中，M大于等于1，且M小于N；
[0029]聚类模型确定模块，用于根据所述M个最高评价分数对应的模型参数确定对应的聚类模型。
[0030]第三方面，本专利技术实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例提供的聚类模型的选取方法中的步骤。
[0031]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的聚类模型的选取方法中的步骤。
[0032]本专利技术实施例中，通过将目标样本输入到聚类模型中进行聚类，得到聚类结果，所述聚类模型包括N个模型参数，N为大于1的整数；将每个模型参数对应的聚类结果与所述目标样本进行对比，根据对比结果计算每个模型参数对应的聚类结果的评价分数；选取M个最高评价分数对应的模型参数，其中，M大于等于1，且M小于N。根据所述M个最高评价分数对应的模型参数确定对应的聚类模型。本专利技术能够通过计算聚类模型在不同模型参数下对目标样本进行聚类后的评价分数，并将每个模型参数对应的评价分数进行比对，进而选出评价分数最高的模型参数，再通过评价分数最高的模型参数确定对应的聚类模型，从而能够自动快速的选取到最优的聚类模型。在进行数据聚类时，能够快速精准的选取最优的聚类模型对数据进行聚类，进而有效提高数据聚类效率。
附图说明
[0033]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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。
[0034]图1是本专利技术实施例提供的一种聚类模型的选取方法的流程示意图；
[0035]图2是本专利技术实施例提供的一种评价分数计算公式；
[0036]图3是图1实施例中步骤101提供的一种方法的流程示意图；
[0037]图4是本专利技术实施例提供的一种聚类模型的选取装置；
[0038]图5是图4实施例中聚类模块提供的一种模块示意图；
[0039]图6是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]请参见图1，图1是本专利技术实施例提供的一种聚类模型的选取方法的流程示意图，如图1所示，包括以下步骤：
[0042]步骤101本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚类模型的选取方法，其特征在于，所述方法包括以下步骤：将目标样本输入到聚类模型中进行聚类，得到聚类结果，所述聚类模型包括N个模型参数，N为大于1的整数；将每个模型参数对应的聚类结果与所述目标样本进行对比，根据对比结果计算每个模型参数对应的聚类结果的评价分数；选取M个最高评价分数对应的模型参数，其中，M大于等于1，且M小于N；根据所述M个最高评价分数对应的模型参数确定对应的聚类模型。2.如权利要求1所述的聚类模型的选取方法，其特征在于，所述聚类模型包括：第一层聚类模型以及第二层聚类模型，所述模型参数包括与所述第一层聚类模型对应的第一模型参数、以及与所述第二层聚类模型对应的第二模型参数；所述将目标样本输入到聚类模型中进行聚类，得到聚类结果的步骤包括：将所述目标样本输入到所述第一层聚类模型进行聚类，得到第一聚类结果，所述第一层聚类模型包括N个第一模型参数，N大于等于1的整数；将所述第一聚类结果输入到所述第二层聚类模型进行聚类，得到第二聚类结果，所述第二层聚类模型包括N个第二模型参数，N大于等于1的整数；将所述第二聚类结果作为聚类模型的聚类结果。3.如权利要求1所述的聚类模型的选取方法，其特征在于，所述根据对比结果计算每个模型参数对应的聚类结果的评价分数的步骤包括：根据对比结果计算每个模型参数对应的聚类结果的召回率；以及，计算每个模型参数对应的聚类结果的准确率；根据所述召回率以及所述准确率计算得到每个相似参数对应的聚类结果的评价分数。4.如权利要求3所述的聚类模型的选取方法，其特征在于，所述评价分数的计算公式为：评价分数等于所述召回率与所述准确率乘积的两倍除以所述召回率与所述准确率之和。5.如权利要求1所述的聚类模型的选取方法，其特征在于，所述选取M个最高...

【专利技术属性】
技术研发人员：陈孟科，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：