【技术实现步骤摘要】
一种针对不平衡样本的机器学习分类方法
[0001]本专利技术涉及机器学习分类方法
,尤其涉及一种针对不平 衡样本的机器学习分类方法。
技术介绍
[0002]近年来,机器学习技术得到了前所未有的发展。在机器学习任务 中,我们经常会遇到这种困扰:数据不平衡问题。数据不平衡问题主 要存在于有监督机器学习任务中。当遇到不平衡数据时,以总体分类 准确率为学习目标的传统分类算法会过多地关注多数类,从而使得少 数类样本的分类性能下降。绝大多数常见的机器学习算法对于不平衡 数据集都不能很好地工作。
[0003]对于分类问题,永远都逃不过的一个痛点就是样本不均衡问题。 样本不均衡是指在一组数据集中,标签的一类占有很大的比例,但我 们有着捕捉出某种特定的分类的需求的状况。
[0004]分类学习方法都有一个共同的基本假设,即不同类别的训练样例 数目相当。如果不同类别的训练样例数目稍有差别,对学习结果的影 响通常也不大,但若样本类别数目差别很大,属于极端不均衡,则会 对学习过程(模型训练)造成困扰。这些学习算法的设计背后隐含的 优化目标是数据集上的分类准确度,而这会导致学习算法在不平衡数 据上更偏向于含更多样本的多数类。一般而言,如果正负类样本类别 不平衡比例超过4:1,那么其分类器会大大地因为数据不平衡性而无 法满足分类要求的。因此在构建分类模型之前,需要对分类不均衡性 问题进行处理。
[0005]当前,解决这一问题的方法有如下几种,可采用上采样下采样的 方法。但这些采样方法会增加样本的总数,对于支持向量机这
【技术保护点】
【技术特征摘要】
1.一种针对不平衡样本的机器学习分类方法,其特征在于,包括以下步骤:S1:下定义:根据相对危险度的非暴露组和暴露组的定义进行类似定义,并通过公式下定义;S2:定义输入:通过定义输入代入相应公式,得到对应取值及对应的损失函数值RR;S3:公式计算:根据RR公式计算训练集T损失函数值RR;S4:输出及处理:输出:f
*
,RR,并根据最优划分特征f
*
及其取值将训练集T划分为T1和T2。2.根据权利要求1所述的一种针对不平衡样本的机器学习分类方法,其特征在于,所述S1中,通过公式进行定义,其中公式为其中公式为RR=p/q或者RR=(p(1
‑
p))/(q(1
‑
q)) (3)High_per=high/low (4)。3.根据权利要求2所述的一种针对不平衡样本的机器学习分类方法,其特征在于,通过根据相对危险度的非暴露组和暴露组的定义,采用相似方法定义了高精度组和低精度组,定义p为错误预测的样本数量与低精度预测样本总数的比值,变量q定义为不正确预测的样本数量与高精度预测样本总数的比值,通过此定义,推导出错误预测的样本数量+不正确预测的样本数量等于错误识别的样本个数,并在p和q的分子上加1。4.根据权利要求1所述的一种针对不平衡样本的机器学习分类方法,其特征在于,所述S2中,进行定义输入时训练集为T={(x1,y1),(x2,y2),...,(x
N
,y
N
)},特征集为F={f1,f2,...,f
d
},最少样本集为min_sample=k,损失函数阈值为threshold=ε,并以node为根节点,其中以node为根节点时特征集F为空或训练集T中样本关于特征集F中类别全部相同时需将node标记为叶结点,训练集T中的样本数量少于min_sample需将该标记为叶结点,且其类别标记为T中样本数最多的类。5.根据权利要求4所述的一种针对不平衡样本的机器学习分类方法,其特征在于,从特征集F中选择最优划分特征f
*
,并得到对应取值及对应的损失函数值RR,其中训练集为T={(x1,y1),(x2,y2),...,(x
N
,y
N
)},特征集为F={f1,f2,...,f
d
},阈值为θ1和θ2,且θ1<θ2。6....
【专利技术属性】
技术研发人员:单曙光,
申请(专利权)人:玖特北京医学科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。