[发明专利]不平衡样本数据预处理方法、装置和计算机设备

摘要

本申请涉及一种基于数据资源的不平衡样本数据预处理方法、装置、计算机设备和存储介质。所述方法包括：接收并根据数据获取请求获取初始数据，根据预设的分类规则对初始数据进行分类，获得第一类样本集和第二类样本集。对抽取的K个第一样本点进行特征分析，获得第一类样本集的新增数据特征。根据第一类样本集对应的第一类标签，生成第一类样本集的新增数据标签。计算第一类样本集的数量和第二类样本集的数量之间的比例。根据新增数据特征和新增数据标签生成第一类样本集的新增数据，按照比例调整新增数据的数量，以增加第一类样本集的数量。采用本方法能够使得第一类样本集和第二类样本集的数量处于平衡状态，解决了样本不平衡的问题。

主权项

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；抽取所述第一类样本集中的K个第一样本点；对K个所述第一样本点进行特征分析，获得所述第一类样本集的新增数据特征；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。