[发明专利]模型的采样算法匹配方法、装置和电子设备

权利要求书

1.一种模型的采样算法匹配方法，其特征在于，所述方法包括：

获取采样算法集，所述采样算法集包括多个采样算法；

分别通过所述采样算法集中每一采样算法进行样本采样，得到所述每一采样算法对应的目标训练样本集；

分别通过每一目标训练样本集训练目标模型，得到多个训练后的模型；

根据每一所述训练后的模型的评价指标值，在所述采样算法集中确定与所述目标模型相匹配的采样算法。

2.根据权利要求1所述的方法，其特征在于，所述分别通过所述采样算法集中每一采样算法进行样本采样，得到对应的目标训练样本集，包括：

获取总训练样本集；

通过有放回抽样法对所述总训练样本集中的样本进行分配，得到与所述每一采样算法一一对应的子训练样本集；

分别通过每一采样算法从对应的子训练样本集中进行样本采样，得到对应的目标训练样本集。

3.根据权利要求2所述的方法，其特征在于，所述分别通过每一采样算法从对应的子训练样本集中进行样本采样，得到对应的目标训练样本集，包括：

分别通过每一采样算法从对应的子训练样本集中进行样本采样，得到与每一采样算法一一对应的第一样本集；

分别对每一第一样本集进行数据拟合，得到与每一采样算法一一对应的第二样本集；

对于每一采样算法，合并所对应的第一样本集和第二样本集，得到对应的目标训练样本集。

4.根据权利要求1所述的方法，其特征在于，所述方法在所述根据每一训练后的模型的评价指标值，在所述采样算法集中确定与所述目标模型相匹配的采样算法之前，还包括：

获取总测试样本集；

将所述总测试样本集拆分为与所述每一采样算法一一对应的多个子测试样本集；

通过无放回抽样法分别对每一所述子测试样本集进行再分配，得到与所述每一子测试样本集对应的多个目标测试样本集；

对于每一训练后的模型，通过对应模型获得每一所述目标测试样本集中测试样本的模型识别标签；

根据所述目标测试样本集中测试样本的模型识别标签和所述测试样本的实际标签，得到每一训练后的模型的评价指标值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述目标测试样本集中测试样本的模型识别标签和所述测试样本的实际标签，得到每一训练后的模型的评价指标值，包括：

根据每一所述目标测试样本集中测试样本的模型识别标签和所述测试样本的实际标签，获得训练后模型的精准率和召回率；

根据所述精准率和召回率，得到每一训练后的模型的评价指标值。

6.根据权利要求1所述的方法，其特征在于，所述根据每一所述训练后的模型的评价指标值，在所述采样算法集中确定与所述目标模型相匹配的采样算法，包括：

将所有所述训练后的模型的评价指标值进行比较；

从所述采样算法集中，选取使得所述评价指标值最大的训练后的模型对应的采样算法，作为与所述目标模型相匹配的采样算法。

7.一种模型的采样算法匹配装置，其特征在于，包括：

算法获取模块，用于获取采样算法集，所述采样算法集包括多个采样算法；

采样模块，用于分别通过所述采样算法集中每一采样算法进行样本采样，得到所述每一采样算法对应的目标训练样本集；

训练模块，用于分别通过每一目标训练样本集训练目标模型，得到多个训练后的模型；

匹配模块，用于根据每一所述训练后的模型的评价指标值，在所述采样算法集中确定与所述目标模型相匹配的采样算法。

8.根据权利要求7所述的装置，其特征在于，所述采样模块还用于：

获取总训练样本集；

通过有放回抽样法对所述总训练样本集中的样本进行分配，得到与所述每一采样算法一一对应的子训练样本集；

分别通过每一采样算法从对应的子训练样本集中进行样本采样，得到对应的目标训练样本集。