[发明专利]一种样本数据类别确定方法和设备

说明书

技术领域

本发明涉及计算机技术领域，特别地，涉及一种样本数据类别确定方法和设备。

背景技术

考虑到一种实际情况，现有一份企业评价标准表，共5个等级(优秀、良好、一般、较差、很差)，其中影响企业评价的指标数目有多个，比如财务收益情况、资产营运状态、偿债能力状况、发展能力状况等。此标准下，对于一家各项指标有高有低的企业，如何评价其等级？

抽象来看，这其实就是一个高维数据的分类问题，一个可行的办法是，先直接对高维数据进行降维，在低维空间再进行分类。现有的降维分类方法中，以投影寻踪(PP)为代表的模型，其中涉及到的唯一参数——密度窗宽取值，目前还必须依靠经验或试算来确定，导致得到的分类结果不够客观准确。

发明内容

针对上述技术问题，本发明提供一种样本数据类别确定方法和设备，旨在解决现有技术中对高维数据分类不够客观以及准确度低的问题。

本发明采用的技术方案为：

本发明的一方面提供一种样本数据类别确定方法，包括：基于使用投影方向向量对样本数据进行投影得到的投影特征值，以及根据得到的投影特征值对样本数据进行分类得到的分类结果，构造投影目标函数，使得所述投影目标函数的函数值越优，表征分类结果中每个分类内部特征值聚集度越高，且各分类之间聚集度越低；基于所述投影目标函数建立分类模型；将样本数据输入所述分类模型，采用预设遗传算法对投影方向向量进行迭代，直到得到的投影方向向量使所述投影目标函数的函数值达到最优；

将基于所述得到的投影方向向量对样本数据进行分类的分类结果确定为最终分类结果。

可选地，所述投影为线性投影；构成所述投影方向向量的元素表征分类所依据的对应指标的权重；在对投影方向向量进行迭代之前，还包括：根据预设的对不同指标的偏好需求，确定不同指标对应权重之间的数值关系；将所述数值关系作为所述分类模型的约束条件输入所述分类模型。

可选地，基于使用投影方向向量对样本数据进行投影得到的投影特征值，以及根据得到的投影特征值对样本数据进行分类得到的分类结果，构造投影目标函数，具体包括：使用投影方向向量对样本数据进行投影得到投影特征值；基于得到的投影特征值，采用预设分类算法对样本数据进行分类，得到各类别分别对应的聚类中心以及每个投影特征值所属类别；针对每个类别，确定所属该类别的各投影特征值分别与该类别对应聚类中心之间的距离的第一和值；将为各类别分别确定的第一和值相加得到总和值；确定投影运算值分别与各聚类中心之间的距离的第二和值；其中，所述投影运算值为对各投影特征值之和进行预设运算处理得到的数值；基于所述总和值、所述第二和值、以及预设运算关系构造所述投影目标函数，使得所述总和值越小且所述第二和值和值越大时，所述投影目标函数的值越优。

可选地，基于所述总和值、所述第二和值、以及预设运算关系构造所述投影目标函数，使得所述总和值越小且所述第二和值越大时，所述投影目标函数的值越优，具体包括：所述投影目标函数表征为所述总和值与所述第二和值的商，使得所述总和值越小且所述第二和值越大时，所述投影目标函数的值越小，当所述投影函数的值最小时达到最优；或者所述投影目标函数表征为所述第二和值与所述总和值的商，使得所述总和值越小且所述第二和值越大时，所述投影目标函数的值越大，当所述投影函数的值最大时达到最优。

可选地，基于得到的投影特征值，采用K-means算法对样本数据进行分类：随机选取K个投影特征值分别作为K个类别的聚类中心初始值；执行如下聚类步骤：针对各投影特征值中除本次K个聚类中心之外的其余各投影特征值中的每个投影特征值，确定该投影特征值分别与本次K个聚类中心之间的距离；以及将本次K个聚类中心中与该投影特征值距离最近的聚类中心所属类别确定为该投影特征值所属类别；针对得到的每个类别，确定所属该类别的各投影特征值的平均值，并将该平均值对应的投影特征值确定为下次聚类过程使用的聚类中心；以及判断该下次聚类过程使用的聚类中心与本次聚类过程使用的聚类中心是否满足预设条件，若不满足，则将下次聚类过程使用的聚类中心作为新的本次K个聚类中心，再次执行所述聚类步骤；若满足，则将本次聚类过程得到的分类结果确定为最终分类结果。

可选地，在对样本数据进行投影之前，还包括对样本数据进行归一化处理的步骤。