[发明专利]分类模型的训练方法及装置在审
| 申请号： | 201710361782.5 | 申请日： | 2017-05-19 |
| 公开（公告）号： | CN108960264A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 刘炯宙;夏命榛 | 申请（专利权）人： | 华为技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人： | 王仲凯 |
| 地址： | 518129 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种分类模型的训练方法及装置，用于提升数据分析效率。本申请的分类模型的训练方法包括：接收用于训练分类模型的样本数据，样本数据包括多个样本特征；从样本数据中确定目标特征子集，利用高维稀疏化转换方法确定目标特征子集的高维稀疏特征；确定目标特征子集的高维稀疏特征对应的目标数据复杂度，该数据复杂度包括用于表征数据特征的多个维度；根据已建立的数据复杂度与分类算法的映射关系确定目标数据复杂度所对应的目标分类算法，以及根据已建立的数据复杂度与目标分类算法的超参数集合的映射关系确定目标数据复杂度所对应的目标参数；根据确定的目标参数以及目标特征子集的高维稀疏特征训练目标分类算法，以得到分类模型。 | ||
| 搜索关键词： | 分类模型 目标特征 高维 子集 数据复杂度 目标数据 稀疏特征 样本数据 复杂度 分类算法 目标参数 目标分类 映射关系 算法 表征数据 参数集合 数据分析 训练分类 训练目标 样本特征 维度 稀疏 申请 转换 | ||
【主权项】：
1.一种分类模型的训练方法，其特征在于，所述分类模型用于对数据进行分类，所述方法包括：接收用于训练所述分类模型的样本数据，所述样本数据包括多个样本特征；从所述样本数据中确定目标特征子集，所述目标特征子集为所述样本数据中相关性和冗余度都满足目标条件的特征集合；利用高维稀疏化转换方法确定所述目标特征子集的高维稀疏特征，所述高维稀疏特征为线性特征；确定所述目标特征子集的高维稀疏特征对应的目标数据复杂度，所述数据复杂度包括用于表征数据特点的多个维度；根据已建立的数据复杂度与分类算法的映射关系确定所述目标数据复杂度所对应的目标分类算法，以及根据已建立的数据复杂度与所述目标分类算法的超参数集合的映射关系确定所述目标数据复杂度所对应的目标参数；根据确定的所述目标参数以及所述目标特征子集的高维稀疏特征训练所述目标分类算法，以得到所述分类模型。
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华为技术有限公司，未经华为技术有限公司许可，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/201710361782.5/，转载请声明来源钻瓜专利网。
