一种基于特征表示和噪声过滤的不平衡集成学习方法
公开
摘要
本发明公开了一种基于特征表示和噪声过滤的不平衡集成学习方法，它涉及数据挖掘技术领域。其步骤为：初始化映射矩阵，随机采样训练基分类器；特征表示学习，最近邻类别平均分类器和集成分类器同时参与训练，学习映射矩阵；根据样本损失进行采样和模型训练集成；噪声过滤，根据样本损失和特征空间距离确定噪声；重复特征表示学习、采样和模型训练集成、噪声过滤，输出训练模型。本发明提高不平衡学习的性能，有效避免了过度拟合离群点而导致恶化分类器效果的结果，提升采样和模型训练效果，采用解耦合和集成的方式，有效提升预测效果，应用前景广阔。
基本信息
专利标题 ：
一种基于特征表示和噪声过滤的不平衡集成学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114548427A
申请号 ：
CN202111669828.2
公开（公告）日 ：
2022-05-27
申请日 ：
2021-12-30
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
孙从阳徐明成侯金鑫张小虎
申请人 ：
天翼电子商务有限公司
申请人地址 ：
北京市西城区阜成门外大街31号4层429D
代理机构 ：
代理人 ：
优先权 ：
CN202111669828.2
主分类号 ：
G06N20/20
IPC分类号 ：
G06N20/20 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/20
•集成学习
法律状态
2022-05-27 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
