结合类别权重的集成学习分类方法

摘要

本发明涉及一种结合类别权重的集成学习分类方法，首先将原始数据进行预处理，转换成分类方法可以处理的数据格式，获得训练数据集和待分类数据集；然后初始化训练数据集样本权重；然后依据训练数据集及其样本权重迭代训练M个基分类器，其中计算类别权重；然后集成所有基分类器，结合类别权重使用判别分类器，对待分类数据集进行分类；最后将分类结果保存到文件中，提供分类预测的参考。本发明解决了在集成学习的多类别分类问题中，类别之间训练不平衡的问题，更好地抵制了“过学习”并且提高了模型预测精度，为分类预测提供更可靠的参考。