[发明专利]一种用于多义性数据对象预测建模的机器学习方法

摘要

本发明公开了一种用于多义性数据对象进行预测建模的机器学习方法，该方法采用两层的分类结构，在第一层中利用聚类方法获得数据集的空间分布信息，然后在第二层中基于聚类结果训练生成相应的分类结构，最后利用训练所得的预测模型对新的数据对象进行预测，输出预测结果。本发明基于多示例多标记学习技术，可以有效地处理多义性对象。本发明解决了目前大部分建模方法只能处理单义性对象的局限，给出了一种从多义性对象中构造高性能预测模型的方法。

主权项

1.一种用于多义性数据对象进行预测建模的机器学习方法，包括以下步骤：(1)如果预测模型尚未建立，执行步骤2，否则转入步骤5；(2)获取多义性数据对象的多义信息，每个对象由多个向量进行特征表示且对应于若干概念标记；(3)使用构造性聚类的方法生成分类模型的第一层结构，以反映数据集中数据对象的空间分布信息；(4)基于生成的第一层结构，采用预设的分类方法学习得到第二层的分类结构；(5)利用得到的两层预测模型对多义性数据进行预测并给出预测结果；(6)结束。