[发明专利]基于机器学习的数据分类方法及系统

摘要

本发明涉及一种基于机器学习的数据分类方法，包括：形成与第一批多种机器学习算法相对应的第一批多个分类模型；利用第一批多个分类模型中的各分类模型分别对第一数据特征进行分类计算；设立第N批多个迭代模型，基于第二数据特征进行学习训练；利用各迭代模型分别对第二数据特征进行分类计算；衡量第二分类结果与期望分类结果的接近程度；若接近程度满足第一条件，方法结束；否则，迭代执行迭代模型的设立步骤。该方法能够实现“类深度学习”的效果，这极大提升了数据分类的普适性和准确性。同时，这种数据分类方法可信度高，人工干预程度低。

主权项

1.一种基于机器学习的数据分类方法，包括：a)、采用第一批多种机器学习算法，分别对数据集进行采集、并进行学习训练，以形成与所述第一批多种机器学习算法相对应的第一批多个分类模型；b)、利用所述第一批多个分类模型中的各分类模型分别对来自所述数据集的第一数据特征进行分类计算，以得到第一分类结果；c)、设立第N批多个迭代模型，以所述第N批多个迭代模型中的各迭代模型分别获取所述第一分类结果和所述第一数据特征来形成第二数据特征，并基于所述第二数据特征进行学习训练；其中，N为大于等于1的正整数；d)、利用各所述迭代模型分别对所述第二数据特征进行分类计算，以得到第二分类结果；e)、衡量所述第二分类结果与期望分类结果的接近程度；f)、若所述接近程度满足第一条件，则输出所述第二分类结果，所述方法结束；否则，N自增1，且以所述第二分类结果作为所述第一分类结果，所述方法回到步骤c)迭代执行。