[发明专利]一种样本生成方法、装置、电子设备以及存储介质

说明书

本发明公开了一种样本生成方法、装置、电子设备以及存储介质，属于机器学习技术领域。该方法包括：确定本次正样本集的本次均值样本；其中所述本次正样本集根据上次正样本集和所述上次正样本集的新正样本确定；根据所述本次均值样本与所述本次正样本集中的正样本之间的距离，对所述本次正样本集进行分组，得到至少两个正样本组；其中，所述正样本组中包括至少四个正样本；针对每一正样本组，若根据该正样本组中正样本的空间位置关系，确定该正样本组能组成一个空间多面体，则根据所述空间多面体的球心的空间信息，生成该正样本组的新正样本；根据至少两个正样本组的新正样本，确定所述本次正样本集的新正样本。丰富了正样本集中正样本的多样性。

技术领域

本发明实施例涉及机器学习技术领域，尤其涉及一种样本生成方法、装置、电子设备以及存储介质。

背景技术

在机器学习领域中，分类问题一直尤为突出，导致分类效果不佳的主要原因是不平衡的训练集，不平衡训练集是指：数据集中正负样本数量分布比例不平衡，其中：数量多的样本称为负样本，数量少的样本称为正样本。

为解决不平衡问题，现有技术中采用过采样方法生成的新正样本，存在新正样本数据的样本分布与原正样本数据的分布不一致，新正样本的多样性差等的问题，进而导致不平衡数据的分类正确率降低。

发明内容

本发明提供一种样本生成方法、装置、电子设备以及存储介质，以提升样本的多样性，解决样本数据高度不平衡的情况。

第一方面，本发明实施例提供了一种样本生成方法，包括：

确定本次正样本集的本次均值样本；其中，所述本次正样本集根据上次正样本集和所述上次正样本集的新正样本确定；

根据所述本次均值样本与所述本次正样本集中的正样本之间的距离，对所述本次正样本集进行分组，得到至少两个正样本组；其中，所述正样本组中包括至少四个正样本；

针对每一正样本组，若根据该正样本组中正样本的空间位置关系，确定该正样本组能组成一个空间多面体，则根据所述空间多面体的球心的空间信息，生成该正样本组的新正样本；

根据至少两个正样本组的新正样本，确定所述本次正样本集的新正样本。

第二方面，本发明实施例还提供了一种样本生成装置，包括：

本次均值样本确定模块，用于确定本次正样本集的本次均值样本；其中，所述本次正样本集根据上次正样本集和所述上次正样本集的新正样本确定；

正样本组确定模块，用于根据所述本次均值样本与所述本次正样本集中的正样本之间的距离，对所述本次正样本集进行分组，得到至少两个正样本组；其中，所述正样本组中包括至少四个正样本；

新正样本生成模块，用于针对每一正样本组，若根据该正样本组中正样本的空间位置关系，确定该正样本组能组成一个空间多面体，则根据所述空间多面体的球心的空间信息，生成该正样本组的新正样本；

新正样本确定模块，用于根据至少两个正样本组的新正样本，确定所述本次正样本集的新正样本。

第三方面，本发明实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所提供的样本生成方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所提供的样本生成方法。