申请/专利权人:清华大学
申请日:2021-04-08
公开(公告)日:2021-06-18
公开(公告)号:CN112990347A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06N3/08(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.07.21#发明专利申请公布后的驳回;2021.07.06#实质审查的生效;2021.06.18#公开
摘要:本申请提出了一种基于无偏正样本学习算法PU_AUL的样本分类方法,涉及半监督学习技术领域,其中,该方法包括:获取标签样本集,所述标签样本集包括多个待预测样本;根据预设的分类模型,对所述多个待预测样本进行评分,以获取所述待预测样本对应的评价结果;根据所述待预测样本的评价结果和分类阈值确定所述待预测样本的样本类型,所述样本类型包括正样本和负样本。采用上述方案的本发明不需要使用混合比例估计MPE算法,因此效果更好并且运行效率也更高。
主权项:1.一种基于无偏正样本学习算法PU_AUL的样本分类方法,其特征在于,包括以下步骤:获取标签样本集,所述标签样本集包括多个待预测样本;根据预设的分类模型,对所述多个待预测样本进行评分,以获取所述待预测样本对应的评价结果;根据所述待预测样本的评价结果和分类阈值确定所述待预测样本的样本类型,所述样本类型包括正样本和负样本。
全文数据:
权利要求:
百度查询: 清华大学 基于无偏正样本学习算法PU_AUL的样本分类方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。