技術(shù)編號：12721418
提示：您尚未登錄，請點(diǎn) 登 陸 后下載，如果您還沒有賬戶請點(diǎn) 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本發(fā)明屬于分類結(jié)果置信度度量技術(shù)領(lǐng)域，特別涉及一種基于Bagging和離群點(diǎn)的分類結(jié)果置信度的度量方法。背景技術(shù)通過待度量數(shù)據(jù)來提高模型的準(zhǔn)確性是在線學(xué)習(xí)中重要的部分，而如何保持學(xué)習(xí)數(shù)據(jù)的準(zhǔn)確性變得尤為重要。分類結(jié)果置信度度量的方法是對每次分類后用于衡量分類的結(jié)果可信或不可信的方法，這對保持訓(xùn)練集和模型再訓(xùn)練有很重要的意義。傳統(tǒng)的對Logistic回歸、SVM和樸素貝葉斯等模型分類結(jié)果不進(jìn)行置信度度量，模型再學(xué)習(xí)時(shí)無法避免學(xué)習(xí)不可信的分類結(jié)果對模型的影響。嚴(yán)云洋和朱全銀等人已有的研究基礎(chǔ)包括：嚴(yán)...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。
請注意，此類技術(shù)沒有源代碼，用于學(xué)習(xí)研究技術(shù)思路。