[发明专利]整体式学习预测装置与方法、以及计算机可读的存储介质

权利要求书

1.一整体式学习预测装置，其特征在于，该装置包括：

一损失模块，接收一样本数据，由该样本数据的一第一预测结果与一实际结果来计算一损失；

一多样性模块，接收该样本数据，由该样本数据在至少一假说的一第二预测结果来计算出该至少一假说间的一多样性；

一样本权重模块，由该第一预测结果与实际结果计算该样本数据的一可修正值，并由该可修正值来给一样本权重值；以及

一整合权重模块，与该损失模块、该多样性模块与该样本权重模块相连接，由该损失、该多样性与该样本权重值建立一目标函数，并该目标函数来训练出一整合权重值；

其中，该整合权重值与过去多个时间点的该整合权重值加以整合，计算出一适应性整合权重值。

2.如权利要求1所述的整体式学习预测装置，其特征在于，其中该可修正值是由该样本数据对一目标类别与一错误类别的差异而得。

3.如权利要求1所述的整体式学习预测装置，其特征在于，其中该可修正值是由一函数得到，该函数具一高点，自该高点向双边下降，该双边不再出现该高点。

4.如权利要求3所述的整体式学习预测装置，其特征在于，其中该函数为一双边递减函数、一具高点的二次函数或一具高点的多项式函数，或是以上函数的任意组合。

5.如权利要求1所述的整体式学习预测装置，其特征在于，其中当该样本数据较多的该假说都预测错误或都预测正确时，则提供较小的该可修正值；其它的样本数据，则提供较大的该可修正值。

6.如权利要求1所述的整体式学习预测装置，其特征在于，其中该多样性是由一列联表计算而得。

7.如权利要求1所述的整体式学习预测装置，其特征在于，其中该可修正值的计算是基于该样本数据的前一时间的该样本权重值与该第一预测结果与该实际结果。

8.如权利要求1所述的整体式学习预测装置，其特征在于，其中该适应性整合权重值是与当下该样本数据时间点较近的给予较大权重值，时间点较远则给予较小权重值。

9.如权利要求1所述的整体式学习预测装置，其特征在于，其中该适应性整合权重值存储于一数据介质。

10.如权利要求1所述的整体式学习预测装置，其特征在于，其中对该样本数据的每一样本，该损失模块取得的该损失与该样本权重模块取得的可修正性相乘，并对样本数据的所有样本取其该损失与该可修正性相乘后的结果的加总和，再减去由该多样性模块取得的该多样性与一正规则化参数相乘后的结果，计算该目标函数后取得该整合权重值。

11.如权利要求6所述的整体式学习预测装置，其特征在于，其中该列联表为二元分类。

12.如权利要求6所述的整体式学习预测装置，其特征在于，其中该列联表为多类别。

13.如权利要求1所述的整体式学习预测装置，其特征在于，其中该样本数据的每个样本具有不同的该样本权重值。

14.一种整体式学习预测方法，其特征在于，该方法包括：

根据一样本数据的一第一预测结果与一实际结果来计算一损失；

根据该样本数据在至少一假说的一第二预测结果来计算出该至少一假说间的一多样性；

根据该第一预测结果与该实际结果计算该样本数据的一可修正值，并由该可修正值来给定一样本权重值；以及

根据该损失、该多样性与该样本权重值建立一目标函数，并借由该目标函数来训练出一整合权重值。

其中，该整合权重值与过去多个时间点的该整合权重值加以整合，计算出一适应性整合权重值。