基于分別設(shè)置正負(fù)例正確率的可控置信機(jī)器算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機(jī)器學(xué)習(xí)領(lǐng)域，尤其涉及一種基于分別設(shè)置正負(fù)例正確率的可控置信 機(jī)器算法。
【背景技術(shù)】
[0002] 置信機(jī)器就是在機(jī)器學(xué)習(xí)的過(guò)程中對(duì)學(xué)習(xí)的結(jié)果同時(shí)提供一個(gè)可信的程度判斷 或可以對(duì)學(xué)習(xí)結(jié)果進(jìn)行預(yù)設(shè)的分類(lèi)處理。置信機(jī)器在醫(yī)療診斷等高風(fēng)險(xiǎn)的應(yīng)用領(lǐng)域有著 重要的現(xiàn)實(shí)意義。置信機(jī)器是機(jī)器學(xué)習(xí)領(lǐng)域中研宄時(shí)間不長(zhǎng)的一個(gè)分支，實(shí)現(xiàn)置信機(jī)器學(xué) 習(xí)的理論基礎(chǔ)與方法并不多，有直接構(gòu)造置信度的方法，有間接構(gòu)造置信度的方法，有通過(guò) 設(shè)置拒絕選項(xiàng)，可以進(jìn)行預(yù)設(shè)的分類(lèi)處理，來(lái)排除低可信的部分，從而提高剩余部分的可信 度，實(shí)現(xiàn)置信分類(lèi)，并對(duì)錯(cuò)分率可控。
[0003] 2005 年由VladimirVovk，AlexanderGammerman，GlennShafer出版了關(guān)于信任 機(jī)器學(xué)習(xí)的專(zhuān)著《AlgorithmicLearninginaRandomWorld》。2004年邱德紅等在計(jì)算 機(jī)研宄與發(fā)展期刊Vol. 41，No. 9中發(fā)表了《基于算法隨機(jī)性理論和奇異描述的置信學(xué)習(xí)機(jī) 器》，根據(jù)Kolmogorov算法隨機(jī)性理論，為學(xué)習(xí)機(jī)器建立了一種置信機(jī)制，描述了置信學(xué)習(xí) 機(jī)器的算法。
[0004] 現(xiàn)有的方案有以下幾個(gè)問(wèn)題：
[0005] (1)置信控制的精度不夠。目前上述的置信機(jī)器學(xué)習(xí)方法是通過(guò)設(shè)置Bin的方法 來(lái)計(jì)算錯(cuò)分率，并根據(jù)計(jì)算結(jié)果設(shè)置閾值，但最后正負(fù)例正確率控制與當(dāng)初預(yù)設(shè)值比較，有 時(shí)差距會(huì)很大。
[0006] (2)置信控制不夠靈活。設(shè)置Bin的方法有一定的限制，不能任意設(shè)置數(shù)值，進(jìn)行 靈活多變的控制，滿足不同的要求。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明實(shí)施例的目的在于提供一種基于分別設(shè)置正負(fù)例正確率的可控置信機(jī)器 算法，其解決現(xiàn)有技術(shù)的置信控制的精度不夠，置信控制不夠靈活的問(wèn)題。
[0008] 本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一方面，一種基于分別設(shè)置正負(fù)例正確率的可控置 信機(jī)器算法，所述方法包括如下步驟：
[0009] 接收二元訓(xùn)練數(shù)據(jù)樣本和二元訓(xùn)練樣本標(biāo)簽構(gòu)成的訓(xùn)練集TrainSet;
[0010] 根據(jù)所述訓(xùn)練集TrainSet訓(xùn)練二元分類(lèi)器，得到二元分類(lèi)器參數(shù)值；
[0011] 根據(jù)所述二元分類(lèi)器在所述訓(xùn)練集TrainSet上分類(lèi)，并將分類(lèi)結(jié)果轉(zhuǎn)換成輸出 值Outputscore；
[0012] 從原點(diǎn)出發(fā)，通過(guò)逐步增加預(yù)設(shè)的等距離步長(zhǎng)，計(jì)算正例準(zhǔn)確率與預(yù)設(shè)的正準(zhǔn)確 率比較，得到正例閾值tl，以及，計(jì)算負(fù)準(zhǔn)確率與預(yù)設(shè)的負(fù)準(zhǔn)確率比較，得到負(fù)例閾值-t2， 根據(jù)所述正例閾值tl和負(fù)例閾值-t2構(gòu)成的閾值范圍（_t2，tl);
[0013] 獲取未知二元樣本，根據(jù)所述二元分類(lèi)器對(duì)未知二元樣本進(jìn)行分類(lèi)，并將分類(lèi)結(jié) 果轉(zhuǎn)換成輸出值Outputscore;
[0014] 如果所述未知二元樣本的輸出值Outputscore屬于該閾值范圍，將未知樣本分配 到拒絕域，如未知二元樣本的輸出值OutputScore不屬于該閾值范圍，將未知樣本分配到 接受域。
[0015]可選的，所述從原點(diǎn)出發(fā)，通過(guò)逐步增加預(yù)設(shè)的等距離步長(zhǎng)，計(jì)算正例準(zhǔn)確率與預(yù) 設(shè)的正準(zhǔn)確率比較，得到正例閾值tl步驟為：
[0016] 11，從原點(diǎn)出發(fā)，根據(jù)分類(lèi)結(jié)果轉(zhuǎn)換的輸出值Outputscore計(jì)算正例準(zhǔn)確率；
[0017] 12,如果計(jì)算的正例準(zhǔn)確率大于或等于預(yù)設(shè)的正例準(zhǔn)確率，則由當(dāng)前計(jì)算的正例 準(zhǔn)確率對(duì)應(yīng)的點(diǎn)確定為正例閾值tl;
[0018] 13,如果計(jì)算的正例準(zhǔn)確率小于預(yù)設(shè)的正例準(zhǔn)確率，則增加預(yù)定的正例步長(zhǎng)，并重 新返回步驟S13。
[0019] 可選的，所述從原點(diǎn)出發(fā)，通過(guò)逐步增加預(yù)設(shè)的等距離步長(zhǎng)，計(jì)算負(fù)準(zhǔn)確率與預(yù)設(shè) 的負(fù)準(zhǔn)確率比較，得到負(fù)例閾值_t2步驟為：
[0020] 21，從原點(diǎn)出發(fā)，根據(jù)分類(lèi)結(jié)果轉(zhuǎn)換的輸出值Outputscore可能的情況計(jì)算負(fù)例 準(zhǔn)確率；
[0021] 22,如果計(jì)算的負(fù)例準(zhǔn)確率大于或等于預(yù)設(shè)的負(fù)例準(zhǔn)確率，則由當(dāng)前計(jì)算的負(fù)例 準(zhǔn)確率對(duì)應(yīng)的點(diǎn)確定負(fù)例閾值-t2;
[0022] 23,如果計(jì)算的負(fù)例準(zhǔn)確率小于預(yù)設(shè)的負(fù)例準(zhǔn)確率，則增加預(yù)定的負(fù)例步長(zhǎng)，并重 新返回步驟S21。
[0023] 在本發(fā)明實(shí)施例中，本發(fā)明提供的技術(shù)方案通過(guò)分別設(shè)置正負(fù)例正確率和等距離 步長(zhǎng)，可以根據(jù)需要靈活設(shè)置數(shù)值，控制靈活，而且通過(guò)調(diào)整等距離步長(zhǎng)，可以實(shí)現(xiàn)更高精 度的置信控制。
【附圖說(shuō)明】
[0024] 圖1是本發(fā)明提供的一種基于分別設(shè)置正負(fù)例正確率的可控置信機(jī)器算法的流 程圖。
【具體實(shí)施方式】
[0025] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0026] 本發(fā)明【具體實(shí)施方式】提供一種基于分別設(shè)置正負(fù)例正確率的可控置信機(jī)器算法， 上述方法由置信機(jī)器執(zhí)行，該方法如圖1所示，包括如下步驟：
[0027] 在步驟S101中，接收二元訓(xùn)練數(shù)據(jù)樣本和二元訓(xùn)練樣本標(biāo)簽構(gòu)成的訓(xùn)練集Train Set；
[0028] 在步驟S102中，根據(jù)所述訓(xùn)練集TrainSet訓(xùn)練二元分類(lèi)器，得到二元分類(lèi)器參 數(shù)值；
[0029] 在步驟S103中，根據(jù)所述二元分類(lèi)器在所述訓(xùn)練集TrainSet上分類(lèi)，并將分類(lèi) 結(jié)果轉(zhuǎn)換成輸出值Outputscore;
[0030] 在步驟S104中，從原點(diǎn)出發(fā)，通過(guò)逐步增加預(yù)設(shè)的等距離步長(zhǎng)，計(jì)算正例準(zhǔn)確率 與預(yù)設(shè)的正準(zhǔn)確率比較，得到正例閾值tl，以及，計(jì)算負(fù)準(zhǔn)確率與預(yù)設(shè)的負(fù)準(zhǔn)確率比較，得 到負(fù)例閾值_t2,根據(jù)所述正例閾值tl和負(fù)例閾值_t2構(gòu)成的閾值范圍（_t2，tl);
[0031] 在步驟S105中，獲取未知二元樣本，根據(jù)所述二元分類(lèi)器對(duì)未知二元樣本進(jìn)行分 類(lèi)，并將分類(lèi)結(jié)果轉(zhuǎn)換成輸出值Outputscore;
[0032] 在步驟S106中，如果所述未知二元樣本的輸出值Outputscore屬于該閾值范圍， 將未知樣本分配到拒絕域，如未知二元樣本的輸出值OutputScore不屬于該閾值范圍，將 未知樣本分配到接受域。
[0033] 本發(fā)明提供的具體方案通過(guò)分別設(shè)置正負(fù)例正確率和等距離步長(zhǎng)，可以根據(jù)需要 靈活設(shè)置數(shù)值，控制靈活，而且通過(guò)調(diào)整等距離步長(zhǎng)，可以實(shí)現(xiàn)更高精度的置信控制。
[0034] 可選的，所述從原點(diǎn)出發(fā)，通過(guò)逐步增加預(yù)設(shè)的等距離步長(zhǎng)，計(jì)算正例準(zhǔn)確率與預(yù) 設(shè)的正準(zhǔn)確率比較，得到正例閾值tl步驟為：
[0035] 11，從原點(diǎn)出發(fā)，根據(jù)分類(lèi)結(jié)果轉(zhuǎn)換的輸出值Outputscore計(jì)算正例準(zhǔn)確率；
[0036] 12,如果計(jì)算的正例準(zhǔn)確率大于或等于預(yù)設(shè)的正例準(zhǔn)確率，則由當(dāng)前計(jì)