[发明专利]一种基于自适应加权Bagging-GBDT的不平衡数据分类方法在审
| 申请号： | 201810876006.3 | 申请日： | 2018-08-03 |
| 公开（公告）号： | CN109086412A | 公开（公告）日： | 2018-12-25 |
| 发明（设计）人： | 高欣;何杨;李新鹏;阎博;井潇;李军良;徐建航 | 申请（专利权）人： | 北京邮电大学;国网冀北电力有限公司;北京科东电力控制系统有限责任公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提出了一种基于自适应加权Bagging‑GBDT的不平衡数据分类方法，包括：根据k‑means算法将多数类样本聚成多个簇，对每个簇样本进行多次分层欠采样；将每次采样后的多数类样本与全部少数类样本组合得到多个样本子集，根据这些子集训练多个预测精度较高的GBDT子分类模型；根据测试点邻域样本类别自适应地确定各子模型权重，据此通过加权硬投票方式集成最终的分类模型。本发明实施例提供的技术方案，可以有效解决正负样本不平衡的分类问题，能针对每一个数据样本实现分类模型的自适应加权集成，提高分类模型的综合指标。 | ||
| 搜索关键词： | 自适应加权 分类模型 样本 数据分类 综合指标 分类问题 数据样本 投票方式 样本类别 样本子集 样本组合 有效解决 正负样本 测试点 欠采样 子分类 子模型 自适应 采样 分层 邻域 权重 算法 子集 加权 预测 | ||
【主权项】：
1.一种基于自适应加权Bagging‑GBDT的不平衡数据分类方法，其特征在于，所述方法步骤包括：(1)根据k‑means算法将多数类样本聚成多个簇，对每个簇样本进行多次分层欠采样；(2)将每次采样后的多数类样本与全部少数类样本组合得到多个样本子集，根据这些子集训练多个预测精度较高的GBDT子分类模型；(3)根据测试点邻域样本类别自适应地确定各子模型权重，据此通过加权硬投票方式集成最终的分类模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学;国网冀北电力有限公司;北京科东电力控制系统有限责任公司，未经北京邮电大学;国网冀北电力有限公司;北京科东电力控制系统有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810876006.3/，转载请声明来源钻瓜专利网。
