[发明专利]一种分类模型构建方法、装置及终端设备

摘要

本发明适用于数据处理技术领域，提供了分类模型构建方法、装置及终端设备，包括对用于构建分类模型的训练数据集进行优化，在优化的过程结束得到输出的第二训练数据集之后，判断是否满足预设的收敛条件，若满足预设的收敛条件，则基于当前的第二训练数据集，进行分类模型的构建；若不满足预设的收敛条件，则将第二训练数据集作为第一训练数据集，并再次执行优化的过程。减少了模型训练学习时间，提高了对分类对象分类的准确率，即使得最终构建的分类模型更加准确，提升了对基于深度学习方法构建的分类模型的分类效率。

主权项

一种分类模型构建方法，其特征在于，包括：对用于构建分类模型的训练数据集进行优化，所述优化的过程包括：获取第一训练数据集，并对所述第一训练数据集中所有数据的数据属性特征进行归一化处理，得出所述第一训练数据集中，每种数据的数据属性特征在所述归一化处理之后对应的特征值；基于集成学习方法，对深度神经网络中神经网络层的极限学习机分类器进行构建；基于所述特征值，利用所述极限学习机分类器对所述第一训练数据集进行因子相关性计算，并利用得出的因子相关系数，对所述极限学习机分类器进行筛选，确定出所需的极限学习机分类器以及所述所需的极限学习机分类器对应的权重值；根据所述因子相关系数以及所述权重值，对所述第一训练数据集进行重新构建，并得到所述神经网络层输出的第二训练数据集；在所述优化的过程结束之后，若满足预设的收敛条件，则基于当前的所述第二训练数据集，进行分类模型的构建；若不满足预设的收敛条件，则将所述第二训练数据集作为所述第一训练数据集，并再次执行所述优化的过程。