【技术实现步骤摘要】
本专利技术实施例涉及不平衡学习，尤其涉及一种不平衡数据集少数类样本生成方法、装置、设备及介质。
技术介绍
1、不平衡学习是机器学习领域的一个重要分支，其主要研究问题是如何在数据分布不平衡的情况下进行模型训练，从而实现理想的精确分类。在实际应用中，许多问题都涉及到数据分布不平衡的问题，如新冠病毒的检测数据、金融系统的交易数据、医学诊断的图像数据等。通常情况下，少数类样本未被检出所面临的损失远远大于多数类样本被错误分类的损失。而传统的机器学习算法都是针对平衡数据集设计的，基于经验风险最小化的原则，分类器将某个样本错误归类为任意其他类别得到损失都是一致的。因此，面对分布不平衡的数据集，分类器在预测时会偏向于数量更多的那一类以获得更小的损失，从而导致少数类样本被错误分类的概率更高。
2、目前，主流的不平衡学习方法主要分为两类，一类是数据层面的方法，即人工改变原始数据集的分布，使得各类样本数量一致；另一类是算法层面的方法，即在传统的分类算法上进行修改，使其对少数类样本达到更好的分类效果。数据层面的方法的主要思想是通过人工修改数据分布，...
【技术保护点】
1.一种不平衡数据集少数类样本生成方法，其特征在于，包括：
2.根据权利要求1所述的不平衡数据集少数类样本生成方法，其特征在于，所述预设神经网络模型包括输入层、隐含层以及输出层；其中，
3.根据权利要求2所述的不平衡数据集少数类样本生成方法，其特征在于，所述预设神经网络模型的训练过程包括：
4.根据权利要求3所述的不平衡数据集少数类样本生成方法，其特征在于，所述根据所述模型权重矩阵将所述仿真少数类数据还原得到原始空间的仿真少数类样本，包括：
5.根据权利要求1所述的不平衡数据集少数类样本生成方法，其特征在于，所述在所述根...
【技术特征摘要】
1.一种不平衡数据集少数类样本生成方法，其特征在于，包括：
2.根据权利要求1所述的不平衡数据集少数类样本生成方法，其特征在于，所述预设神经网络模型包括输入层、隐含层以及输出层；其中，
3.根据权利要求2所述的不平衡数据集少数类样本生成方法，其特征在于，所述预设神经网络模型的训练过程包括：
4.根据权利要求3所述的不平衡数据集少数类样本生成方法，其特征在于，所述根据所述模型权重矩阵将所述仿真少数类数据还原得到原始空间的仿真少数类样本，包括：
5.根据权利要求1所述的不平衡数据集少数类样本生成方法，其特征在于，所述在所述根样本与所述辅助样本之间的连线中位于所述安全...
【专利技术属性】
技术研发人员：何玉林，路璇，李旭，叶璇，
申请(专利权)人：人工智能与数字经济广东省实验室深圳，
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。