【技术实现步骤摘要】
一种样本生成方法、装置、终端设备及介质
[0001]本申请属于数据处理
，尤其涉及一种样本生成方法、装置、终端设备及介质。
技术介绍
[0002]不平衡数据集是指数据集中各个类别的样本数量相差巨大。以二分类问题为例，如果负类样本数量远大于正类样本数量，那么分类结果会偏向负类，对正类的误分率较高。实际上如果数据集的不平衡比例超过4:1，分类器就会偏向于数量大的类别，而在超不平衡数据集中，正类在数据集中的占比通常都会低于百分之一，此类问题在医疗领域尤为突出。
[0003]在医疗领域，疾病样本（正类样本）的占比往往远低于正常样本（负类样本）的占比，这将极大影响后续对疾病的识别，从而危害患者的健康。
[0004]为解决此类问题，本领域技术人员采用了合成少数类过采样方法（SMOTE，Synthetic Minority Oversampling Technique）来增加负类样本的数量，来让数据集达到平衡，从而避免上述问题。但是，目前的样本生成方法生成的样本质量不高，会导致后续的分类结果存在不确定性和随机性，影响
【技术保护点】
【技术特征摘要】
1.一种样本生成方法，其特征在于，包括：步骤1，对不平衡的诊断样本集进行划分，得到疾病样本集和正常样本集；步骤2，分别计算所述疾病样本集的协方差和熵，将所述协方差和所述熵加入所述疾病样本集的特征矩阵，并根据所述特征矩阵构建梯度提升树模型；其中，所述梯度提升树模型包括多个决策树，所述决策树的叶子节点与所述特征矩阵中的特征一一对应；步骤3，根据所述梯度提升树模型，结合所述疾病样本集的熵，分别计算所述多个特征中每个特征的分裂贡献度和熵差分，得到所述特征的特征权重；其中，所述分裂贡献度和所述熵差分均用于表征所述特征的重要性；步骤4，构建所述疾病样本集对应的初始种群；其中，所述初始种群的种群个体与所述疾病样本集中的疾病样本一一对应；步骤5，根据所述协方差、所述熵以及所述特征权重，得到所述初始种群对应的第一演化概率；所述第一演化概率用于表征所述初始种群中种群个体的重要性；步骤6，根据所述第一演化概率，对所述初始种群进行演化，得到中间种群，并计算所述中间种群对应的第二演化概率；步骤7，根据所述第一演化概率和所述第二演化概率，判断所述中间种群是否满足预设演化终止条件；步骤8，若所述中间种群满足预设演化终止条件，则将所述中间种群作为新的疾病样本集；否则，将所述中间种群作为所述步骤6中的初始种群，返回执行步骤6。2.根据权利要求1所述的样本生成方法，其特征在于，所述步骤3包括：通过计算公式得到所述分裂贡献度；其中，表示第个特征在第个决策树上的分裂贡献度，，表示所述疾病样本集中特征的总数量，表示第个决策树上的叶子节点，表示第个疾病样本的第个特征，，表示所述疾病样本集中疾病样本的总数量，表示第个特征在第个决策树上的最佳分裂点，表示第个疾病样本，表示除以外的其他疾病样本；通过计算公式通过计算公式得到所述熵差分；其中，表示第个特征的熵差分，表示所述疾病样本集的熵，表示所述疾病样本集去除第个特征后的熵，表示从所述疾病样本
集中取出第个疾病样本的概率；分别针对每个特征，执行以下步骤：根据所述分裂贡献度和所述协方差，得到所述特征的方差贡献度；所述方差贡献度用于表征所述特征的重要性；根据所述熵差分和所述方差贡献度，得到所述特征的特征权重。3.根据权利要求2所述的样本生成方法，其特征在于，所述根据所述分裂贡献度和所述协方差，得到所述特征的方差贡献度，包括：通过计算公式通过计算公式通过计算公式得到所述方差贡献度；其中，表示第个特征的方差贡献度，表示所述协方差。4.根据权利要求3所述的样本生成方法，其特征在于，所述根据所述熵差分和所述方差贡献度，得到所述特征的特征权重，包括：通过计算公式，得到所述特征权重；其中，表示第个特征的特征权重，表示超参数，用于控制所述熵差分的权重和所述方差贡献度的权重，。5.根据权利要求4所述的样本生成方法，其特征在于，所述步骤5包括：通过计算公式得到所述第一演化概率；其中，表示标准化系数，，表示特征权重集合，，表示概率密度，表示指...
【专利技术属性】
技术研发人员：刘星宝，李鑫，刘庆东，刘利枚，杨俊丰，李沁，张震，
申请(专利权)人：湖南工商大学，
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。