預測類別的方法和裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及數(shù)據(jù)挖掘領域，特別涉及一種預測類別的方法和裝置。
【背景技術】
[0002] 預測是數(shù)據(jù)挖掘中應用領域極其廣泛的重要技術之一，預測是通過對樣本數(shù)據(jù) (歷史數(shù)據(jù)）的輸入值和輸出值關聯(lián)性的學習，得到預測模型，再利用該模型對未來的輸入 值進行輸出值預測。預測包括分類和回歸，分類是根據(jù)數(shù)據(jù)集的特點構造一個分類器，利 用該分類器對未知類別的對象賦予類別的一種技術，回歸是為了了解兩個或多個變量間是 否相關、相關方向與強度，并建立數(shù)學模型W便觀察特定變量來預測研究者感興趣的變量 一種技術。
[0003] 現(xiàn)有的預測算法中，采用一種多類預測合并算法（multiclass prediction combination algorithms)，該多類預測合并算法采用通過多個預測模型對實例進行分別 預測，在結合各個預測結果給出最后的預測的一種算法。該算法中，需要采用多個預測模型 對預測的對象分別預測，計算量較大。

【發(fā)明內容】

[0004] 本發(fā)明實施例提供一種預測算法和裝置，能夠減小計算量。
[0005] 第一方面，提供了一種預測類別的方法，包括：確定多個第一預測模型，其中，所 述多個第一預測模型中的每個第一預測模型用于將實例分成多個組，所述多個組中的每個 組對應多個標簽類別中的一個標簽類別，所述標簽類別包含至少一個標簽；根據(jù)所述多個 第一預測模型中的標簽之間的相互關系將所述多個第一預測模型合并為第二預測模型，其 中，所述第二預測模型用于對實例進行分類得到多個組，所述第二預測模型的多個組中的 每個組對應多個多標簽類別中的一個多標簽類別，所述多標簽類別包含多個標簽；根據(jù)所 述第二預測模型確定當前的實例屬于所述多個多標簽類別中的每個多標簽類別的概率，W 預測所述當前的實例的類別。
[0006] 結合第一方面，在第一種可能的實現(xiàn)方式中，該方法還包括；確定所述當前的實例 的類別具有不確定性，其中所述當前的實例的類別具有不確定性表示根據(jù)所述第二預測模 型無法預測所述當前的實例的類別；獲取標注的所述當前的實例的類別；根據(jù)所述標注的 所述當前的實例的類別，對所述第二預測模型進行訓練，W便于根據(jù)訓練后的第二預測模 型對待預測的實例的類別進行預測。
[0007] 結合第一種可能的實現(xiàn)方式，在第二種可能的實現(xiàn)方式中，所述確定所述當前的 實例的類別具有不確定性，包括：根據(jù)所述當前的實例的信息賭確定所述當前的實例的類 別具有不確定性。
[0008] 結合第二種可能的實現(xiàn)方式，在第Η種可能的實現(xiàn)方式中，所述根據(jù)所述當前的 實例的信息賭確定所述當前的實例的類別具有不確定性，包括：根據(jù)W下公式確定所述當 前的實例的信息賭：
[0009]
[0010] 其中，i表示第i個實例，Hi表示第i個實例的信息賭，1為大于或等于1且小于 或等于C的整數(shù)，表示第1個第二標簽類別，峰表示第i個實例屬于第1個第二標簽類別的 概率，C為所述第二預模型中的第二標簽類別的個數(shù)；在所述信息賭大于或等于預設的闊 值情時，確定所述當前的實例的類別具有不確定性。
[0011] 結合第一方面或第一至第Η種可能的實現(xiàn)方式中的任一種可能的實現(xiàn)方式，在第 四種可能的實現(xiàn)方式中，所述根據(jù)所述多個第一預測模型中的標簽之間的相互關系將所述 多個第一預測模型合并為第二預測模型，包括：根據(jù)所述多個第一預測模型中的標簽之間 的相斥關系和相容關系，將所述多個第一預測模型中的多個組對應的標簽類別合并為所述 第二預測模型中的多個組對應的多標簽類別。
[0012] 結合第一方面或第一至第四種可能的實現(xiàn)方式中的任一種可能的實現(xiàn)方式，在第 五種可能的實現(xiàn)方式中，還包括：確定所述第二預測模型中的標簽的相關性圖，其中所述相 關性圖包括多個頂點，所述多個頂點分別表示所述第二預測模型中多個組對應的多標簽類 另IJ，所述相關性圖的多個頂點兩兩相連接，用W表示所述第二預測模型中的標簽之間的相 關性。
[0013] 第二方面，提供了一種預測類別的裝置，包括：確定單元，用于生成多個第一預測 模型，其中，所述多個第一預測模型中的每個第一預測模型用于將實例分成多個組，所述多 個組中的每個組對應多個標簽類別中的一個標簽類別，所述標簽類別包含至少一個標簽； 合并單元，用于根據(jù)所述多個第一預測模型中的標簽之間的相互關系將所述多個第一預測 模型合并為第二預測模型，其中，所述第二預測模型用于對實例進行分類得到多個組，所述 第二預測模型的多個組中的每個組對應多個多標簽類別中的一個多標簽類別，所述多標簽 類別包含多個標簽；第一確定單元，用于根據(jù)所述第二預測模型確定當前的實例屬于所述 多個多標簽類別中的每個多標簽類別的概率，W預巧IJ所述當前的實例的類別。
[0014] 結合第二方面，在第一種可能的實現(xiàn)方式中，還包括；第二確定單元，用于確定所 述當前的實例的類別具有不確定性，其中所述當前的實例的類別具有不確定性表示根據(jù)所 述第二預測模型無法預測所述當前的實例的類別；獲取單元，用于獲取標注的所述當前的 實例的類別；訓練單元，用于根據(jù)所述標注的所述當前的實例的類別，對所述第二預測模型 進行訓練，W便于根據(jù)訓練后的第二預測模型對待預測的實例的類別進行預測。
[0015] 結合第二方面的第一種可能的實現(xiàn)方式，在第二種可能的實現(xiàn)方式中，所述第二 確定單元根據(jù)所述當前的實例的信息賭確定所述當前的實例的類別具有不確定性。
[0016] 結合第二方面的第二種可能的實現(xiàn)方式，在第Η種可能的實現(xiàn)方式中，所述第二 確定單元根據(jù)W下公式確定所述當前的實例的信息賭：
[0017]
[0018] 其中，i表示第i個實例，Hi表示第i個實例的信息賭，1為大于或等于1且小于 或等于C的整數(shù)，表示第1個第二標簽類別，為表示第i個實例屬于第1個第二標簽類別的 概率，C為所述第二預模型中的第二標簽類別的個數(shù)；在所述信息賭大于或等于預設的闊 值情時，確定所述當前的實例的類別具有不確定性。
[0019] 結合第二方面或第二方面的第一至第Η種可能的實現(xiàn)方式中的任一種可能的實 現(xiàn)方式，在第四種可能的實現(xiàn)方式中，所述合并單元根據(jù)所述多個第一預測模型中的標簽 之間的相斥關系和相容關系，將所述多個第一預測模型中的多個組對應的標簽類別合并為 所述第二預測模型中的多個組對應的多標簽類別。
[0020] 結合第二方面或第二方面的第一至第四種可能的實現(xiàn)方式中的任一種可能的實 現(xiàn)方式，在第五種可能的實現(xiàn)方式中，還包括：第Η確定單元，用于確定所述第二預測模型 中的標簽的相關性圖，其中所述相關性圖包括多個頂點，所述多個頂點分別表示所述第二 預測模型中多個組對應的多標簽類別，所述相關性圖的多個頂點兩兩相連接，用W表示所 述第二預測模型中的標簽之間的相關性。
[0021] 基于上述技術方案，通過將多個第一預測模型中的標簽之間的相互關系將多個第 一預測模型合并為第二預測模型，根據(jù)該第二預測模型對實例的類別進行預測，無需根據(jù) 多個第一預測模型分別對當前實例的類別進行預測，能夠減小計算量。
【附圖說明】
[0022] 為了更清楚地說明本發(fā)明實施例的技術方案，下面將對本發(fā)明實施例中所需要使 用的附圖作簡單地介紹，顯而易見地，下面所描述的附圖僅僅是本發(fā)明的一些實施例，對于 本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可W根據(jù)送些附圖獲得其他 的附圖。
[0023] 圖1是根據(jù)本發(fā)明一個實施例的預測的方法的示意性流程圖。
[0024] 圖2是根據(jù)本發(fā)明另一實施例的預測類別的方法的示意性流程圖。
[00巧]圖3是常規(guī)預測方法的示意圖。
[0026] 圖4是根據(jù)本發(fā)明另一實施例的預測類別的方法的示意性流程圖。
[0027] 圖5是根據(jù)本發(fā)明另一實施例的預測類別的方法的示意性流程圖。
[002引圖6是根據(jù)本發(fā)明一個實施例的預測類別的裝置的示意性框圖。
[0029] 圖7是根據(jù)本發(fā)明另一實施例的預測類別的裝置的示意性框圖。
[0030] 圖8是根據(jù)本發(fā)明另一實施例的預測類別的裝置的示意性框圖。
【具體實施方式】
[0031] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部實施例?；诒景l(fā)