【技术实现步骤摘要】
本申请涉及数据挖掘，尤其涉及异常数据生成方法、存储介质及计算机程序产品。
技术介绍
1、随着大数据、海量存储技术以及计算机能力的迅猛发展，电子商务、金融服务、医疗诊断等领域均以指数级别的速度在生成和存储数据。在大数据时代下，如何提取数据中所蕴含的有价值的信息并运用到企业经营、政府决策等领域中，已成为信息化时代的一个难题。数据分类作为数据挖掘的一项关键任务，其能够利用海量数据构建出具有足够泛化能力的模型，从而提取真实数据中的有价值信息。然而，现实世界中的数据通常呈现出类别分布不均衡的特点，即正类实例(正常数据)远远多于负类实例(异常数据)。而分类模型通常假设数据集的类别分布均匀。这使得模型在训练过程中更倾向于学习正常数据，导致对异常数据的分类性能大幅下降。在某些领域中，异常数据往往蕴含着更为重要的信息，比如在癌症异常诊断中，癌症异常人群数量相比正常人群存在极度不平衡的情况。使用这样的数据集训练分类模型时，模型很可能对正常数据过拟合，从而将癌症异常人群误判为健康人群，这将导致不可挽回的后果。
2、鉴于异常数据在实际场景中相对罕见...
【技术保护点】
1.一种异常数据生成方法，其特征在于，所述异常数据生成方法包括：
2.如权利要求1所述的方法，其特征在于，步骤S70之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述步骤S50包括：
4.如权利要求3所述的方法，其特征在于，所述步骤A502包括：
5.如权利要求3所述的方法，其特征在于，所述步骤A503包括：
6.如权利要求1所述的方法，其特征在于，所述步骤S70包括：
7.如权利要求6所述的方法，其特征在于，所述步骤A703包括：
8.如权利要求1至7中任一项所述的方法，其...
【技术特征摘要】
1.一种异常数据生成方法，其特征在于，所述异常数据生成方法包括：
2.如权利要求1所述的方法，其特征在于，步骤s70之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述步骤s50包括：
4.如权利要求3所述的方法，其特征在于，所述步骤a502包括：
5.如权利要求3所述的方法，其特征在于，所述步骤a503包括：
6.如权利要求1所述的方法，其特征在于，所述步骤s70包括：
7.如权利要求6所述的方法，...
【专利技术属性】
技术研发人员：叶威，杨仁友，秦浩，李日富，杨靓，
申请(专利权)人：南方海洋科学与工程广东省实验室湛江，
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。