[发明专利]不平衡样本数据预处理方法、装置和计算机设备

权利要求书

1.一种不平衡样本数据预处理方法，所述方法包括：

接收数据获取请求，并根据所述数据获取请求获取初始数据；

根据预设的分类规则对所述初始数据进行分类，获得第一类样本集和第二类样本集，所述第一类样本集中各样本集的样本数量少于数据量阈值；所述第二类样本集中各样本集的数量大于数据量阈值；

从所述第一类样本集任意抽取一个样本集，得到第一样本集；

分别计算所述第一样本集中的全部第一样本点，至第一类样本集中各个样本点之间的欧氏距离，并将所述欧式距离按照从小到大的顺序进行排序；

根据所述欧式距离的排序，获取与前K个欧氏距离对应的第一样本点；

提取K个所述第一样本点的特征，并对所述特征进行分析处理，获得特征属性；

根据所述特征属性分别对K个所述第一样本点进行特征提取，分别获取K个所述第一样本点的公共特征；

根据所述公共特征形成对应的公共特征组合，并计算所述公共特征组合所包括的公共特征的数量；

将所述公共特征组合按照所述公共特征的数量进行排序，获取最大数量对应的公共特征组合；

根据所述最大数量对应的公共特征组合，生成新增数据特征；

获取第一类样本集对应的第一类标签，并根据所述第一类标签生成所述第一类样本集的新增数据标签；

分别获取所述第一类样本集的数量、所述第二类样本集的数量，并计算所述第一类样本集的数量和所述第二类样本集的数量之间的比例；

根据所述新增数据特征和所述新增数据标签生成所述第一类样本集的新增数据，并按照所述比例调整所述新增数据的数量，以增加所述第一类样本集的数量。

2.根据权利要求1所述的方法，其特征在于，所述接收数据获取请求，并根据所述数据获取请求获取初始数据，包括：

根据所述数据获取请求从数据库中获取原始数据；

获取所述原始数据对应的数据类型；

获取预设的数据类型和处理方式之间的对应关系；

根据所述处理方式，对各数据类型对应的原始数据进行数据处理，获得初始数据。

3.根据权利要求1所述的方法，其特征在于，所述根据预设的分类规则对所述初始数据进行分类，获得多个第一类样本集和第二类样本集，包括：

根据所述初始数据对应的数据类型，得到各数据类型对应的样本集；

计算与所述样本集的初始数据的数据量；

将各样本集的所述数据量与预设的数据量阈值进行比对，当数据量超出所述数据量阈值时，根据对应的样本集，得到第二类样本集；

当所述数据量低于所述数据量阈值时，根据对应的样本集，得到第一类样本集。

4.根据权利要求2所述的方法，其特征在于，所述数据获取请求为建模数据获取请求；所述接收数据获取请求，并根据所述数据获取请求获取初始数据，还包括：

接收所述建模数据获取请求，并提取所述建模数据获取请求携带的建模数据标识；

获取预设的建模数据标识和初始数据之间的对应关系，并根据所述预设的建模数据标识和初始数据之间的对应关系，获取与所述建模数据标识对应的初始数据。

5.根据权利要求1所述的方法，其特征在于，所述获取第一类样本集对应的第一类标签，并根据所述第一类标签生成所述第一类样本集的新增数据标签，包括：

获取所述第一类样本集中各第一类样本；

根据所述第一类样本和第一类标签之间的对应关系，分别获取与各所述第一类样本对应的第一类标签；

根据所获得的各所述第一类标签生成所述第一类样本集的新增数据标签。