发明名称 |
分类器训练方法和装置、身份验证方法和系统 |
摘要 |
本发明提供了一种分类器训练方法,包括:获取训练样本集;根据一种预设分类条件特征确定根结点处的分类条件,根据根结点处的分类条件将训练样本集中的训练样本进行分类,获得对应根结点的孩子结点的分类子集;将根结点的孩子结点作为当前结点;循环执行根据另一种预设分类条件特征确定当前结点处的分类条件,根据当前结点处的分类条件对当前结点所对应的分类子集中的训练样本进行分类,获得对应当前结点的孩子结点的分类子集的步骤直至叶结点;确定当前结点处的用户身份分类结果,获得决策树分类器。本发明提供的分类器训练方法训练获得的决策树分类器分类性能好。本发明还提供了一种分类器训练装置、身份验证方法和系统。 |
申请公布号 |
CN105260628A |
申请公布日期 |
2016.01.20 |
申请号 |
CN201410242769.4 |
申请日期 |
2014.06.03 |
申请人 |
腾讯科技(深圳)有限公司 |
发明人 |
刘杰;古开元;陆莉 |
分类号 |
G06F21/31(2013.01)I |
主分类号 |
G06F21/31(2013.01)I |
代理机构 |
广州华进联合专利商标代理有限公司 44224 |
代理人 |
何平;邓云鹏 |
主权项 |
一种分类器训练方法,所述方法包括:获取训练样本集;所述训练样本集中的每个训练样本包括用户身份属性和对应预设分类条件特征的特征值;根据一种所述预设分类条件特征确定根结点处的分类条件,根据根结点处的分类条件将所述训练样本集中的训练样本进行分类,获得对应所述根结点的孩子结点的分类子集;将所述根结点的孩子结点作为当前结点;根据另一种所述预设分类条件特征确定当前结点处的分类条件,根据当前结点处的分类条件对当前结点所对应的分类子集中的训练样本进行分类,获得对应当前结点的孩子结点的分类子集;将当前结点的孩子结点作为当前结点,继续执行所述根据另一种所述预设分类条件特征确定当前结点处的分类条件,根据当前结点处的分类条件对当前结点所对应的分类子集中的训练样本进行分类,获得对应当前结点的孩子结点的分类子集的步骤,直至当前结点所对应的分类子集中各个训练样本的相同的预设分类条件特征所对应的特征值分别相同或者当前结点的层数达到指定层数;根据当前结点所对应的分类子集中对应最多训练样本的用户身份属性确定当前结点处的用户身份分类结果,获得决策树分类器。 |
地址 |
518000 广东省深圳市福田区振兴路赛格科技园2栋东403室 |