[发明专利]二类别分类预测模型的生成方法、用于生成分类预测模型的程序以及二类别分类预测模型的生成装置

权利要求书

1.一种二类别分类预测模型的生成方法，其包括下述各步骤：

a)根据针对学习样本集合的各个学习样本产生的说明变量，求出用于将所述学习样本集合分类为预先设定的两个类别的判别函数；

b)根据所述求出的判别函数，计算各学习样本的判别分数；

c)根据所述计算的判别分数，确定各学习样本的分类预测的正误；

d)根据被错误分类的学习样本集合中的最大判别分数和最小判别分数，确定错误分类样本区域；

e)取出包含在所述错误分类样本区域内的学习样本，构成新学习样本集合；

f)针对所述新学习样本集合，重复所述a)～e)步骤；以及

g)存储作为所述重复的结果而得到的多个判别函数和各个所述判别函数附带的错误分类样本区域信息，作为类别未知样本的分类预测模型。

2.根据权利要求1所述的二类别分类预测模型的生成方法，其中，

所述步骤d)中的所述错误分类样本区域是对被错误分类的学习样本中的最大判别分数和最小判别分数附加任意的安全宽度而确定的。

3.根据权利要求1所述的二类别分类预测模型的生成方法，其中，

当在所述步骤c)中被错误分类的学习样本为0时，不执行以后的步骤。

4.根据权利要求1所述的二类别分类预测模型的生成方法，其中，

在所述步骤f)中，所述步骤a)～e)重复预先确定的次数。

5.根据权利要求1所述的二类别分类预测模型的生成方法，其中，

所述各个学习样本是化合物，所述预先设定的两个类别是具有任意毒性的化合物的类别和不具有所述毒性的化合物的类别。

6.根据权利要求1所述的二类别分类预测模型的生成方法，其中，

该二类别分类预测模型的生成方法还包括对针对所述学习样本集合产生的说明变量实施特征提取，去除不需要的说明变量的步骤。

7.根据权利要求6所述的二类别分类预测模型的生成方法，其中，

当所述学习样本集合中的样本个数与所述特征提取后的说明变量的个数之比为预先确定的一定数量以下时，停止所述步骤f)中的所述重复。

8.一种二类别分类预测模型的生成程序，其使计算机执行下述步骤：

a)根据针对学习样本集合的各个学习样本产生的说明变量，求出用于将所述学习样本集合分类为预先设定的两个类别的判别函数的步骤；

b)根据所述求出的判别函数，计算各学习样本的判别分数的步骤；

c)根据所述计算的判别分数，确定各学习样本的分类预测的正误的步骤；

d)根据被错误分类的学习样本集合中的最大判别分数和最小判别分数，确定错误分类样本区域的步骤；

e)取出包含在所述错误分类样本区域内的学习样本，构成新学习样本集合的步骤；

f)针对所述新学习样本集合，重复所述a)～e)步骤的步骤。

9.根据权利要求8所述的二类别分类预测模型的生成程序，其中，

所述步骤d)中的所述错误分类样本区域是对被错误分类的学习样本中的最大判别分数和最小判别分数附加任意的安全宽度而确定的。

10.根据权利要求8所述的二类别分类预测模型的生成程序，其中，

当在所述步骤c)中被错误分类的学习样本为0时，不执行以后的步骤。

11.根据权利要求8所述的二类别分类预测模型的生成程序，其中，

在所述步骤f)中，所述步骤a)～e)重复预先确定的次数。

12.根据权利要求8所述的二类别分类预测模型的生成程序，其中，

在经过预先确定的处理时间后，在所述步骤f)中，停止所述步骤a)～e)的重复。

13.根据权利要求8所述的二类别分类预测模型的生成程序，其中，

所述各个学习样本是化合物，所述预先设定的两个类别是具有任意毒性的化合物的类别和不具有所述毒性的化合物的类别。

14.根据权利要求8所述的二类别分类预测模型的生成程序，其中，

该二类别分类预测模型的生成程序还具有对针对所述学习样本集合产生的说明变量实施特征提取，去除不需要的说明变量的步骤。