用于品质评估的样本分类方法及装置、设备、存储介质制造方法及图纸

本发明专利技术提供了用于品质评估的样本分类方法及装置、设备、存储介质，样本分类方法包括：获取样本数据，样本数据包括待品质评估的产品样本数据和待品质评估的服务样本数据；根据样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型；利用目标样本分类模型对所述样本数据进行处理，输出分类结果。本发明专利技术通过样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，能够有效提高样本分类的准确率。能够有效提高样本分类的准确率。能够有效提高样本分类的准确率。

【技术实现步骤摘要】
用于品质评估的样本分类方法及装置、设备、存储介质


[0001]本专利技术涉及数据分类
，具体涉及一种用于品质评估的样本分类方法及装置、设备、存储介质。

技术介绍

[0002]随着社会的发展，人们对产品或者服务的品质要求也越来越高，一般会对同一类别的多个产品或者多个服务进行品质对比；而目前市面上的产品或者服务由于自身数据量大、自变量维度多，连续性数据和离散型数据混合，且量纲与分布形态各异等情况，会导致样本分类的准确率降低的问题。
[0003]针对上述相关技术中样本分类方法存在分类准确率降低的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种用于品质评估的样本分类方法及装置、设备、存储介质，用以克服相关技术中样本分类方法存在分类准确率降低的问题。
[0005]为了实现上述目的，本专利技术实施例的第一方面，提供一种用于品质评估的样本分类方法，包括：
[0006]获取样本数据，所述样本数据包括待品质评估的产品样本数据和待品质评估的服务样本数据；
[0007]根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型；
[0008]利用所述目标样本分类模型对所述样本数据进行处理，输出分类结果。
[0009]本专利技术提供的用于品质评估的样本分类方法，通过样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，能够有效提高样本分类的准确率，进一步提高了产品或者服务的品质评估的准确性。r/>[0010]可选地，在第一方面的一种可能实现方式中,所述方法还包括：
[0011]对所述目标样本分类模型输出的分类结果进行唯一编码，完成对样本类别的命名。
[0012]可选地，在第一方面的一种可能实现方式中,所述数据特征包括数据分布和数据类型；
[0013]所述根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，包括：
[0014]当所述样本数据的数据分布符合球形分布，数据类型为离散型数据和连续性数据同时存在时，选择层次聚类模型作为目标样本分类模型；所述层次聚类模型用于表示领域、行业和类型的多层次树形结构。
[0015]本专利技术提供的用于品质评估的样本分类方法，通过在数据分布符合球形分布，数
据类型为离散型数据和连续性数据同时存在时，选择层次聚类模型作为目标样本分类模型，能够根据数据的不同情况选择更合适的样本分类模型，以达到精准分类的目的，进而解决了相关技术中样本分类方法存在分类准确率降低的问题。
[0016]可选地，在第一方面的一种可能实现方式中,所述层次聚类模型是基于分支因子和阈值参数构建的，所述分支因子用于控制所述多层次树形结构的分支节点的数量，所述阈值参数用于限制样本数据与类别簇之间的距离。
[0017]可选地，在第一方面的一种可能实现方式中,所述数据特征包括数据分布和数据类型；
[0018]所述根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，包括：
[0019]当所述样本数据的数据分布不符合球形分布，数据类型为离散型数据和连续性数据不同时存在时，选择密度聚类模型作为目标样本分类模型；所述密度聚类模型是基于类别簇的样本数量阈值和类别簇的核心样本的距离阈值构建的。
[0020]本专利技术提供的用于品质评估的样本分类方法，通过在数据分布不符合球形分布，数据类型为离散型数据和连续性数据不同时存在时，选择密度聚类模型作为目标样本分类模型，能够根据数据的不同情况选择最合适的样本分类模型，从而达到精准分类的目的，进而解决了相关技术中样本分类方法存在分类准确率降低的问题。
[0021]可选地，在第一方面的一种可能实现方式中,根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，包括：
[0022]当所述样本数据的数据形态为高斯分布时，对所述样本数据进行标准化处理和归一化处理，用于将所述样本数据的量纲统一；并利用处理后的样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型；
[0023]当所述样本数据的数据形态为幂律分布时，对所述样本数据进行对数归一化处理，用于缩小所述样本数据的分布区间；并利用处理后的样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型。
[0024]可选地，在第一方面的一种可能实现方式中,根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，包括：
[0025]当所述样本数据的数据形态不符合幂律分布以及高斯分布时，对所述样本数据进行分位数处理，用于将处理后的样本数据的数据形态调整为符合幂律分布或者高斯分布；并利用处理后的样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型。
[0026]本专利技术提供的用于品质评估的样本分类方法，通过在样本数据的数据形态符合幂律分布，或者符合高斯分布，或者既不符合幂律分布也不符合高斯分布时，对样本数据进行对应的数据处理，能够有效调整样本数据的数据形态，从而有助于样本分类模型的选择以及提高后续样本分类的准确率。
[0027]本专利技术实施例的第二方面，提供一种用于品质评估的样本分类装置，包括：
[0028]数据获取模块，用于获取样本数据，所述样本数据包括待品质评估的产品样本数据和待品质评估的服务样本数据；
[0029]模型选择模块，用于根据所述样本数据的数据特征，从多个预设样本分类模型中
选择对应的目标样本分类模型；
[0030]分类模块，用于利用所述目标样本分类模型对所述样本数据进行处理，输出分类结果。
[0031]本专利技术实施例的第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有可在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各个方法实施例中的步骤。
[0032]本专利技术实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本专利技术第一方面及第一方面各种可能设计的所述方法的步骤。
附图说明
[0033]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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为本专利技术实施例1的用于品质评估的样本分类方法的流程示意图。
[0035]图2为本专利技术实施例1的层次聚类模型的一种结构示意图。
[0036]图3为本专利技术实施例1的层次聚类模型的另一种结构示意图
[0037]图4为本专利技术实施例1的密度聚类模型的结构示意图。
[0038]图5为本专利技术实施例2的用于品质评估的样本分类装置的原理框图。
[0039本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于品质评估的样本分类方法，其特征在于，包括：获取样本数据，所述样本数据包括待品质评估的产品样本数据和待品质评估的服务样本数据；根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型；利用所述目标样本分类模型对所述样本数据进行处理，输出分类结果。2.根据权利要求1所述的用于品质评估的样本分类方法，其特征在于，所述方法还包括：对所述目标样本分类模型输出的分类结果进行唯一编码，完成对样本类别的命名。3.根据权利要求1或2所述的用于品质评估的样本分类方法，其特征在于，所述数据特征包括数据分布和数据类型；所述根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，包括：当所述样本数据的数据分布符合球形分布，数据类型为离散型数据和连续性数据同时存在时，选择层次聚类模型作为目标样本分类模型；所述层次聚类模型用于表示领域、行业和类型的多层次树形结构。4.根据权利要求3所述的用于品质评估的样本分类方法，其特征在于，所述层次聚类模型是基于分支因子和阈值参数构建的，所述分支因子用于控制所述多层次树形结构的分支节点的数量，所述阈值参数用于限制样本数据与类别簇之间的距离。5.根据权利要求1或2所述的用于品质评估的样本分类方法，其特征在于，所述数据特征包括数据分布和数据类型；所述根据所述样本数据的数据特征，从多个预设样本分类模型中选择对应的目标样本分类模型，包括：当所述样本数据的数据分布不符合球形分布，数据类型为离散型数据和连续性数据不同时存在时，选择密度聚类模型作为目标样本分类模型；所述密度聚类模型是基于类别簇的样本数量阈值和类别簇的核心样本的距离阈值构建的。6.根据权利要求1或2所述的用于品质评估的样本分类方法，其特征在于，根据所述样本数据的数据特征，从多个预设...

【专利技术属性】
技术研发人员：张培源，艾欣，吴峥，
申请(专利权)人：北京锦绣年华信息科技有限公司，
类型：发明
国别省市：