專利名稱：用于管理及預(yù)測(cè)自動(dòng)分類器性能的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于檢測(cè)時(shí)間性過程變化的技術(shù)，以及用于管理和預(yù)測(cè)自動(dòng)分類器性能的方法和裝置。
背景技術(shù)：
很多依賴于物體的模式識(shí)別和/或分類的工業(yè)應(yīng)用(諸如自動(dòng)制造檢查或分類系統(tǒng))都在利用有監(jiān)督學(xué)習(xí)技術(shù)。如圖1所代表的有監(jiān)督學(xué)習(xí)系統(tǒng)是一種基于已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)2的代表性輸入集合，利用有監(jiān)督學(xué)習(xí)算法4來創(chuàng)建經(jīng)訓(xùn)練的分類器6的系統(tǒng)。訓(xùn)練數(shù)據(jù)2的集合中的每個(gè)成員都包含特征向量xi以及指示出具體成員所屬唯一類別的標(biāo)簽ci。給定特征向量x，經(jīng)訓(xùn)練的分類器f將返回相應(yīng)的類別標(biāo)簽f(x)=c^.]]>有監(jiān)督學(xué)習(xí)系統(tǒng)4的目標(biāo)是使分類器6的準(zhǔn)確性或相關(guān)的量度不僅對(duì)于訓(xùn)練數(shù)據(jù)2最大化，而且對(duì)于類似獲得的、學(xué)習(xí)算法4無法獲得的測(cè)試數(shù)據(jù)的集合也最大化。如果用于具體應(yīng)用的類別標(biāo)簽的集合只包含兩個(gè)條目，則將該應(yīng)用稱為二元(或兩類)分類問題。二元分類問題在自動(dòng)檢查中常見，例如其目標(biāo)通常是判斷制成品是好還是壞。例如在將項(xiàng)目分類成一個(gè)或多個(gè)子類的過程(例如按品種對(duì)魚分類、按速度對(duì)計(jì)算機(jī)存儲(chǔ)器分類等等)中，也會(huì)遇到多類的問題。在統(tǒng)計(jì)模式識(shí)別中，已經(jīng)廣泛研究了有監(jiān)督學(xué)習(xí)，并且基于不可見的測(cè)試數(shù)據(jù)來訓(xùn)練分類器并且預(yù)測(cè)經(jīng)訓(xùn)練的分類器的性能的多種學(xué)習(xí)算法和方法是公知的。
再次參考圖1，給定已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)集合2(D＝{xi，ci})，有監(jiān)督學(xué)習(xí)算法4可被用于產(chǎn)生經(jīng)訓(xùn)練的分類器6(f(x)=c^).]]>風(fēng)險(xiǎn)或成本αij可能與以下情況相關(guān)聯(lián)，即當(dāng)樣本所屬的真正類別為j時(shí)將其錯(cuò)誤地分類為屬于類別i。傳統(tǒng)上，正確的分類被指定為零成本αij＝0。典型的目標(biāo)是估計(jì)預(yù)期損失(即預(yù)計(jì)分類器6在從相同過程中得到的新樣本上引起的成本的加權(quán)平均)，并使其最小化。損失的概念非常普通。在i和j不同時(shí)設(shè)置αij＝1，并且在i和j相同時(shí)設(shè)置αij＝0(所謂的0/1損失)，這種情況下等同于將所有錯(cuò)誤看作是相同的，并且致使總的錯(cuò)誤分類率最小。更典型地，不同類型的錯(cuò)誤將具有不同的相關(guān)成本。更復(fù)雜的損失公式也是可能的。例如，損失αij可以是函數(shù)，而不是常數(shù)。但是，在每種情況下，都定義了預(yù)測(cè)分類器性能的某種量度，并且目標(biāo)是使性能最大化，或者等同地，使損失最小化。
目前存在若干用于預(yù)測(cè)分類器性能的現(xiàn)有技術(shù)。一種這樣的技術(shù)是使用獨(dú)立的訓(xùn)練和測(cè)試數(shù)據(jù)集合。使用訓(xùn)練數(shù)據(jù)來構(gòu)造經(jīng)訓(xùn)練的分類器，然后基于獨(dú)立的測(cè)試數(shù)據(jù)來評(píng)估經(jīng)訓(xùn)練的分類器的性能。但是在很多應(yīng)用中，收集已加注標(biāo)簽的數(shù)據(jù)困難而又昂貴，因此希望在訓(xùn)練期間使用所有可獲得的數(shù)據(jù)，從而使所產(chǎn)生分類器的準(zhǔn)確性最大化。
另一種被稱為“傳統(tǒng)k次交叉驗(yàn)證”(或簡稱為“k次交叉驗(yàn)證”)的用于預(yù)測(cè)分類器性能的現(xiàn)有技術(shù)不需要單獨(dú)的測(cè)試數(shù)據(jù)，因此允許將所有可獲得的數(shù)據(jù)用于訓(xùn)練。如圖2A和2B所示，在k次交叉驗(yàn)證中，訓(xùn)練數(shù)據(jù){xi，ci)被隨機(jī)地分割成k個(gè)子集Di(1≤i≤k)，這k個(gè)子集具有大致相等的大小(圖2B，步驟11)。對(duì)于迭代i＝1到k(步驟12-17)，通過使用除Di之外的所有可獲得的數(shù)據(jù)而使用有監(jiān)督學(xué)習(xí)算法來訓(xùn)練分類器(步驟14)。然后，這個(gè)經(jīng)訓(xùn)練的分類器被用于分類子集Di中的所有樣本(步驟15)，并且存儲(chǔ)分類結(jié)果(步驟16)。在很多情況下，也可以(在步驟16處)只保存匯總統(tǒng)計(jì)量，而不保存?zhèn)€別的分類。例如在恒定損失的情況下，保存各種類型的錯(cuò)誤的總數(shù)就足夠了。在k次迭代之后，對(duì)于全部數(shù)據(jù)集合，就已經(jīng)知道了真實(shí)(ci)和估計(jì) 的類別標(biāo)簽(或相應(yīng)的足夠統(tǒng)計(jì)量)。然后可以計(jì)算諸如錯(cuò)誤分類率、工作特性曲線或預(yù)期損失之類的性能估計(jì)(步驟18)。如果樣本總數(shù)為n，那么每個(gè)樣本的預(yù)期損失例如可以被估計(jì)為 當(dāng)k＝n-1時(shí)，k次交叉驗(yàn)證也被稱為“留一法交叉驗(yàn)證”。在某些應(yīng)用中，被稱為“廣義交叉驗(yàn)證”的、在計(jì)算上更有效的變體方案可能是優(yōu)選的。這里，我們將這些和類似的現(xiàn)有技術(shù)稱為“傳統(tǒng)交叉驗(yàn)證”，并且不對(duì)它們進(jìn)行區(qū)分。
在k次交叉驗(yàn)證中，數(shù)據(jù)樣本只在它們不對(duì)分類器的訓(xùn)練起作用時(shí)，才被用來估計(jì)性能，從而得到合理的性能估計(jì)。另外，對(duì)于足夠大的k，在上述每次迭代期間的訓(xùn)練集合大小(大致為 其中n是已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)樣本的數(shù)目)只略小于全部數(shù)據(jù)集合的大小，從而導(dǎo)致對(duì)性能只是稍有悲觀的估計(jì)。
很多有監(jiān)督學(xué)習(xí)算法致使具有一個(gè)或多個(gè)可調(diào)整參數(shù)的分類器控制工作點(diǎn)。為了簡單起見，這里將討論局限于二元分類問題，其中ci是兩個(gè)不同類別中的一個(gè)或另一個(gè)類別中的成員。但是，將會(huì)意識(shí)到，這里所論述的原理可以被擴(kuò)展到多類分類問題。在二元分類中，假肯定(falsepositive)被定義為在樣本實(shí)際上屬于負(fù)(或好)類別時(shí)，將其錯(cuò)誤地分類為屬于正(或缺陷)類別。相似地，真肯定被定義為將樣本正確地分類為屬于正類別。然后，假肯定率(也被稱為假報(bào)警率)被定義為假肯定的數(shù)目除以負(fù)類別的成員數(shù)目。相似地，敏感度被定義為真肯定的數(shù)目除以正類別的成員數(shù)目。根據(jù)這些定義，具有可調(diào)整工作點(diǎn)的二元分類器的性能可以由圖3所示的工作特性曲線(有時(shí)被稱為接收方工作特性(ROC)曲線)來概括。分類器工作點(diǎn)的變化等同于選擇ROC曲線上的點(diǎn)。在每個(gè)工作點(diǎn)處，發(fā)生任一類型錯(cuò)誤分類的比率估計(jì)是已知的。如果相關(guān)成本αij也已知，則可以計(jì)算出任一工作點(diǎn)的預(yù)期損失。對(duì)于單調(diào)的工作特性，可以選擇出唯一的工作點(diǎn)以使預(yù)期損失最小化。如前所述，k次交叉驗(yàn)證提供了構(gòu)造二元分類器的估計(jì)ROC曲線所需的信息。
除了有效地利用所有可獲得的數(shù)據(jù)之外，k次交叉驗(yàn)證還具有允許估計(jì)預(yù)測(cè)性能的可靠性的額外優(yōu)點(diǎn)。對(duì)于將數(shù)據(jù)劃分到k個(gè)子集中的不同偽隨機(jī)劃分，可以重復(fù)k次交叉驗(yàn)證算法。這種方法例如不僅可用于計(jì)算預(yù)期損失，而且可用于計(jì)算該估計(jì)的標(biāo)準(zhǔn)方差。相似地，可以執(zhí)行非參數(shù)假設(shè)測(cè)試(例如，k次交叉驗(yàn)證可被用于回答諸如“損失超過估計(jì)值兩倍的可能性有多大？”之類的問題)。
用于預(yù)測(cè)分類器性能的現(xiàn)有技術(shù)的方法假設(shè)訓(xùn)練數(shù)據(jù)的集合具有代表性。如果不是這樣，并且具體而言，如果產(chǎn)生訓(xùn)練數(shù)據(jù)樣本的過程受時(shí)間性變化的影響(例如過程隨時(shí)間偏移或改變)，那么經(jīng)訓(xùn)練的分類器的性能可能要比預(yù)測(cè)差得多。這樣的性能差異或改變可以在其發(fā)生時(shí)被用于檢測(cè)時(shí)間性變化，但是優(yōu)選的做法是在訓(xùn)練階段的過程中檢測(cè)時(shí)間性變化。有監(jiān)督的學(xué)習(xí)通常不能解決這個(gè)問題。
兩種明確地對(duì)過程中的時(shí)間性變化進(jìn)行預(yù)測(cè)的技術(shù)是時(shí)間序列分析和統(tǒng)計(jì)過程控制。時(shí)間序列分析試圖理解和建模數(shù)據(jù)集合中的時(shí)間性變化，通常這種方法的目標(biāo)是以一定時(shí)期內(nèi)的行為來預(yù)測(cè)未來的行為，或者校正季節(jié)性或其他變化。統(tǒng)計(jì)過程控制(SPC)提供了使過程操作保持在可接受的限度內(nèi)的技術(shù)，并且用于在無法這樣做時(shí)發(fā)出警報(bào)。理想地，統(tǒng)計(jì)過程控制能夠被用來使過程保持在其最佳工作點(diǎn)上或最佳工作點(diǎn)附近，幾乎消除了由于基礎(chǔ)過程中的時(shí)間性變化而引起的惡劣分類器性能。在實(shí)際中，由于時(shí)間、成本以及相關(guān)困難的影響，因此這種理想情況難以達(dá)到。因此，即使在被很好控制的過程中，時(shí)間性變化也可能存在于預(yù)定限度之內(nèi)，并且這種變化可能足以干擾使用有監(jiān)督學(xué)習(xí)所創(chuàng)建的分類器的性能。在出現(xiàn)時(shí)間性過程變化時(shí)，時(shí)間序列分析和統(tǒng)計(jì)過程控制都無法提供可直接用于分析和管理這種分類器的工具。
當(dāng)a)生成訓(xùn)練數(shù)據(jù)集合的基礎(chǔ)過程不具有嚴(yán)重的時(shí)間性變化，或者b)時(shí)間性變化出現(xiàn)時(shí)，可以應(yīng)用預(yù)測(cè)分類器性能的現(xiàn)有技術(shù)方法，但是所述基礎(chǔ)過程是平穩(wěn)的并且是各態(tài)歷經(jīng)的，并且樣本在一段足夠長的時(shí)間段內(nèi)被收集，因此它們具有代表性。在很多情況下，在所述基礎(chǔ)過程中存在顯式或隱式的時(shí)間性變化，在這些情況下，認(rèn)為訓(xùn)練數(shù)據(jù)集合代表了基礎(chǔ)過程的假設(shè)并不合理，并且k次交叉驗(yàn)證對(duì)性能的估計(jì)會(huì)明顯過高。例如考慮圖4A、4B和4C中所示的過程。在這些圖形中的“狀態(tài)”僅僅出于圖示的目的。實(shí)際狀態(tài)將具有很高的，通常未知的大小，并且其自身難以獲知。如圖4A所示的過程不具有時(shí)間性變化。如圖4B所示的過程是具有隨機(jī)的、各態(tài)歷經(jīng)的波動(dòng)的平穩(wěn)過程。如圖4C所示的過程示出了穩(wěn)定的偏移，其在局部均值周圍伴隨有隨機(jī)波動(dòng)。如果給定足夠的訓(xùn)練數(shù)據(jù)，傳統(tǒng)的k次交叉驗(yàn)證則將準(zhǔn)確地預(yù)測(cè)出對(duì)于圖4A所示的過程的分類器性能。對(duì)于圖4B所示的過程，如果數(shù)據(jù)集合是在一段足夠長的時(shí)間內(nèi)被收集，從而大致以均衡分布對(duì)狀態(tài)采樣，那么也將獲得正確的結(jié)果。如果沒有這樣做，則通常將對(duì)性能做出過高估計(jì)。對(duì)于圖4C所示的過程，實(shí)際的性能可能在最初與預(yù)測(cè)性能相匹配，但是實(shí)際性能將隨著對(duì)未來工作點(diǎn)的進(jìn)一步采樣而下降。這一系列采樣過程僅僅出于圖示的目的，決不是窮舉性的。
判斷訓(xùn)練數(shù)據(jù)的集合是否代表過程的步驟通常需要收集附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)，這可以是相當(dāng)昂貴的。作為示例，考慮對(duì)復(fù)雜印制電路配件的制造。使用SPC，可以以高可靠性(例如以百萬分之100(100ppm)數(shù)量級(jí)上的缺陷率)來構(gòu)造這種印制電路配件上的單獨(dú)的焊點(diǎn)。因此，有缺陷的焊點(diǎn)非常少。但是，大的印制電路配件可以有超過50000個(gè)的焊點(diǎn)，因此如果沒有自動(dòng)檢測(cè)需要修復(fù)的焊點(diǎn)的能力，那么缺陷的經(jīng)濟(jì)影響將是巨大的。有監(jiān)督的學(xué)習(xí)通常被用于為這種應(yīng)用構(gòu)造分類器。幾千個(gè)缺陷需要訓(xùn)練，但是由于好的焊點(diǎn)以10000比1的比例在數(shù)量上超過壞的焊點(diǎn)，因此必須對(duì)幾百萬個(gè)好的焊點(diǎn)進(jìn)行檢查，以便獲得足夠的缺陷樣本以訓(xùn)練分類器。這會(huì)給負(fù)責(zé)分配真實(shí)類別標(biāo)簽的分析者(通常是人類專家)帶來沉重負(fù)擔(dān)，因此對(duì)訓(xùn)練數(shù)據(jù)的收集非常耗時(shí)、昂貴，而且易于出現(xiàn)錯(cuò)誤。另外，對(duì)訓(xùn)練數(shù)據(jù)的收集大于所需，這減慢了訓(xùn)練過程，并且不會(huì)提高性能。因此，希望盡可能使用最小的訓(xùn)練數(shù)據(jù)集合來獲得所需的性能。
由于上述原因，因此希望能夠從訓(xùn)練數(shù)據(jù)自身的指示中檢測(cè)在過程中時(shí)間性變化的出現(xiàn)或可能出現(xiàn)。還希望即使在基礎(chǔ)過程中出現(xiàn)時(shí)間性變化的情況下，也能夠預(yù)測(cè)預(yù)期的未來分類器性能。最后，如果能從附加訓(xùn)練數(shù)據(jù)的收集中獲得性能增益，并且為附加訓(xùn)練數(shù)據(jù)的使用提供不同的選項(xiàng)(例如用于回答如下問題是簡單地增加現(xiàn)有訓(xùn)練數(shù)據(jù)的做法更好，還是基于訓(xùn)練數(shù)據(jù)樣本的滑動(dòng)窗而周期性地重新訓(xùn)練分類器的做法更好)將是非常有用的。

發(fā)明內(nèi)容
本發(fā)明提供了用于檢測(cè)時(shí)間性過程變化的技術(shù)，以及通過使用基于樣本的時(shí)間排序而得到的性能估計(jì)來管理和預(yù)測(cè)被應(yīng)用于這種過程的自動(dòng)分類器的性能的技術(shù)。具體而言，本發(fā)明詳述了在已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)上檢測(cè)在過程中出現(xiàn)或可能出現(xiàn)的時(shí)間性變化的方法，用于在這種時(shí)間性變化出現(xiàn)時(shí)預(yù)測(cè)使用有監(jiān)督學(xué)習(xí)算法來訓(xùn)練的分類器的性能的方法，以及用于研究包含了附加訓(xùn)練數(shù)據(jù)的收集和最優(yōu)利用過程的情形的方法。所描述的技術(shù)還可以被擴(kuò)展到處理多個(gè)源的時(shí)間性變化。
本發(fā)明的第一方面包括根據(jù)所產(chǎn)生的過程樣本中的指示來檢測(cè)過程中的時(shí)間性變化，所述過程樣本被用作已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)，其用于利用有監(jiān)督學(xué)習(xí)來訓(xùn)練分類器。根據(jù)本發(fā)明的第一方面，該方法包括以下步驟根據(jù)一個(gè)或多個(gè)第一標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第一教導(dǎo)子集，并且根據(jù)一個(gè)或多個(gè)第二標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的相應(yīng)第一測(cè)試子集，其中所述一個(gè)或多個(gè)第一標(biāo)準(zhǔn)和一個(gè)或多個(gè)第二標(biāo)準(zhǔn)中的至少一個(gè)標(biāo)準(zhǔn)至少部分地基于時(shí)間順序；分別使用相應(yīng)的一個(gè)或多個(gè)第一教導(dǎo)子集來訓(xùn)練一個(gè)或多個(gè)第一分類器；分別使用相應(yīng)的一個(gè)或多個(gè)第一分類器來分類一個(gè)或多個(gè)第一測(cè)試子集的成員；將分配給一個(gè)或多個(gè)第一測(cè)試子集的成員的分類與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類相比較，從而基于比較結(jié)果而產(chǎn)生一個(gè)或多個(gè)第一性能估計(jì)；根據(jù)一個(gè)或多個(gè)第三標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第二教導(dǎo)子集，并且根據(jù)一個(gè)或多個(gè)第四標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的相應(yīng)第二測(cè)試子集，其中所述第三標(biāo)準(zhǔn)中的至少一個(gè)標(biāo)準(zhǔn)至少部分不同于所述第一標(biāo)準(zhǔn)并且/或者所述第四標(biāo)準(zhǔn)中的至少一個(gè)至少部分不同于所述第二標(biāo)準(zhǔn)；分別使用相應(yīng)的一個(gè)或多個(gè)第二教導(dǎo)子集來訓(xùn)練一個(gè)或多個(gè)第二分類器；分別使用相應(yīng)的一個(gè)或多個(gè)第二分類器來分類一個(gè)或多個(gè)第二測(cè)試子集的成員；將分配給一個(gè)或多個(gè)第二測(cè)試子集的成員的分類與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類相比較，從而基于比較結(jié)果而產(chǎn)生一個(gè)或多個(gè)第二性能估計(jì)；以及分析所述一個(gè)或多個(gè)第一性能估計(jì)和一個(gè)或多個(gè)第二性能估計(jì)，從而檢測(cè)出時(shí)間性變化的證據(jù)。
還可以根據(jù)如下步驟來執(zhí)行對(duì)過程中時(shí)間性變化的檢測(cè)對(duì)訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第一子集執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，以產(chǎn)生一個(gè)或多個(gè)第一性能估計(jì)；對(duì)訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第二子集執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，以產(chǎn)生一個(gè)或多個(gè)第二性能估計(jì)；以及分析所述一個(gè)或多個(gè)第一性能估計(jì)和一個(gè)或多個(gè)第二性能估計(jì)，從而檢測(cè)出時(shí)間性變化的證據(jù)。
本發(fā)明的第二方面包括預(yù)測(cè)在一組己加注標(biāo)簽的訓(xùn)練數(shù)據(jù)上被訓(xùn)練的分類器的性能。根據(jù)本發(fā)明的這個(gè)第二方面，該方法包括以下步驟根據(jù)一個(gè)或多個(gè)第一標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第一教導(dǎo)子集，并且根據(jù)一個(gè)或多個(gè)第二標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的相應(yīng)第一測(cè)試子集，其中所述一個(gè)或多個(gè)第一標(biāo)準(zhǔn)以及一個(gè)或多個(gè)第二標(biāo)準(zhǔn)中的至少一個(gè)標(biāo)準(zhǔn)至少部分地基于時(shí)間順序；分別使用相應(yīng)的一個(gè)或多個(gè)第一教導(dǎo)子集來訓(xùn)練一個(gè)或多個(gè)第一分類器；分別使用相應(yīng)的一個(gè)或多個(gè)第一分類器來分類一個(gè)或多個(gè)第一測(cè)試子集的成員；將分配給一個(gè)或多個(gè)第一測(cè)試子集的成員的分類與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類相比較，從而基于比較結(jié)果而產(chǎn)生一個(gè)或多個(gè)第一性能估計(jì)；根據(jù)一個(gè)或多個(gè)第三標(biāo)準(zhǔn)而選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第二教導(dǎo)子集，并且根據(jù)一個(gè)或多個(gè)第四標(biāo)準(zhǔn)而選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的相應(yīng)第二測(cè)試子集，其中所述第三標(biāo)準(zhǔn)中的至少一個(gè)標(biāo)準(zhǔn)至少部分不同于所述第一標(biāo)準(zhǔn)并且/或者所述第四標(biāo)準(zhǔn)中的至少一個(gè)標(biāo)準(zhǔn)至少部分不同于所述第二標(biāo)準(zhǔn)；分別使用相應(yīng)的一個(gè)或多個(gè)第二教導(dǎo)子集來訓(xùn)練一個(gè)或多個(gè)第二分類器；分別使用相應(yīng)的一個(gè)或多個(gè)第二分類器來分類一個(gè)或多個(gè)第二測(cè)試子集的成員；將分配給一個(gè)或多個(gè)第二測(cè)試子集的成員的分類與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類相比較，從而基于比較結(jié)果而產(chǎn)生一個(gè)或多個(gè)第二性能估計(jì)；以及基于所述第一性能估計(jì)和第二性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能。
分類器性能預(yù)測(cè)還可以根據(jù)如下步驟來執(zhí)行對(duì)訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第一子集執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，以產(chǎn)生一個(gè)或多個(gè)第一性能估計(jì)；對(duì)訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)第二子集執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，以產(chǎn)生一個(gè)或多個(gè)第二性能估計(jì)；以及對(duì)所述一個(gè)或多個(gè)第一性能估計(jì)和一個(gè)或多個(gè)第二性能估計(jì)執(zhí)行統(tǒng)計(jì)分析，以預(yù)測(cè)所述分類器的性能。
可替換地，分類器性能預(yù)測(cè)還可以根據(jù)如下步驟來執(zhí)行根據(jù)一個(gè)或多個(gè)第一標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的一個(gè)或多個(gè)教導(dǎo)子集，并且根據(jù)一個(gè)或多個(gè)第二標(biāo)準(zhǔn)選出已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的相應(yīng)測(cè)試子集，其中所述一個(gè)或多個(gè)第一標(biāo)準(zhǔn)和一個(gè)或多個(gè)第二標(biāo)準(zhǔn)中的至少一個(gè)標(biāo)準(zhǔn)至少部分地基于時(shí)間順序；分別使用相應(yīng)的一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練一個(gè)或多個(gè)第一分類器；分別使用相應(yīng)的一個(gè)或多個(gè)第一分類器來分類一個(gè)或多個(gè)測(cè)試子集的成員；將分配給一個(gè)或多個(gè)測(cè)試子集的成員的分類與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類相比較，從而基于比較結(jié)果而產(chǎn)生一個(gè)或多個(gè)性能估計(jì)；以及基于所述一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)分類器的性能。
本發(fā)明的第三方面包括預(yù)測(cè)由于訓(xùn)練數(shù)據(jù)集合大小的變化對(duì)分類器性能所產(chǎn)生的影響。根據(jù)本發(fā)明的這個(gè)第三方面，該方法包括以下步驟從已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中選出多個(gè)具有變化大小的訓(xùn)練子集以及相應(yīng)的測(cè)試子集；在訓(xùn)練子集上訓(xùn)練多個(gè)分類器；使用相應(yīng)分類器來分類測(cè)試子集的成員；以及將分配給測(cè)試子集成員的分類與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類相比較，從而產(chǎn)生作為訓(xùn)練集合大小的函數(shù)的性能估計(jì)。
由于改變訓(xùn)練數(shù)據(jù)集合大小而進(jìn)行的分類器性能預(yù)測(cè)還可以根據(jù)如下步驟來執(zhí)行在訓(xùn)練數(shù)據(jù)上執(zhí)行改變k值的按時(shí)間排序的k次交叉驗(yàn)證；并且內(nèi)插或外插所產(chǎn)生的性能估計(jì)，以得到所期望的訓(xùn)練集合大小。
本發(fā)明的第四方面包括預(yù)測(cè)通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的分類器的性能。根據(jù)本發(fā)明的這個(gè)第四方面，該方法包括以下步驟根據(jù)一個(gè)或多個(gè)至少部分基于時(shí)間順序的第一標(biāo)準(zhǔn)將訓(xùn)練數(shù)據(jù)集合排序成經(jīng)排序的訓(xùn)練數(shù)據(jù)集合；選擇一個(gè)或多個(gè)具有大致相等的第一預(yù)定大小的教導(dǎo)子集以及相應(yīng)的一個(gè)或多個(gè)具有大致相等的第二預(yù)定大小的測(cè)試子集，所述教導(dǎo)子集包括所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合中的第一相鄰成員，并且所述測(cè)試子集包括來自所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合的至少一個(gè)成員，該成員在時(shí)間上緊隨其相應(yīng)的一個(gè)或多個(gè)教導(dǎo)子集的所有成員之后；使用所述一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練相應(yīng)的一個(gè)或多個(gè)分類器；使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給己加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生一個(gè)或多個(gè)性能估計(jì)；并且基于所述一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將滑動(dòng)窗用于大致具有所述第一預(yù)定大小的訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
由于將滑動(dòng)窗用于訓(xùn)練而進(jìn)行的分類器性能預(yù)測(cè)還可以根據(jù)如下步驟來執(zhí)行根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)來選擇訓(xùn)練數(shù)據(jù)集合的一個(gè)或多個(gè)組，所述一個(gè)或多個(gè)組具有大致相等的大?。粡乃鲆粋€(gè)或多個(gè)組中的每個(gè)組中，根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第二標(biāo)準(zhǔn)而選出具有大致相等的第一預(yù)定大小的一個(gè)或多個(gè)教導(dǎo)子集，并且根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第三標(biāo)準(zhǔn)而選出相應(yīng)的具有大致相等的第一預(yù)定大小的測(cè)試子集；使用來自所述一個(gè)或多個(gè)組中每個(gè)組的一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練相應(yīng)的一個(gè)或多個(gè)分類器；使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)；并且基于與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將具有大致相等的第一預(yù)定大小的滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
上述(多種)方法優(yōu)選地使用實(shí)現(xiàn)所述功能的計(jì)算機(jī)硬件系統(tǒng)和/或包括程序指令的軟件來執(zhí)行，所述程序指令有形地實(shí)施上述(多種)方法。


結(jié)合附圖參考以下詳細(xì)描述，本發(fā)明的更完整評(píng)價(jià)及其很多附加優(yōu)點(diǎn)將變得更加明顯，并且更容易理解，在附圖中，相同的標(biāo)號(hào)指示出相同或相似的組件，其中圖1是傳統(tǒng)的有監(jiān)督學(xué)習(xí)系統(tǒng)的框圖；圖2A示出了傳統(tǒng)的k次交叉驗(yàn)證的數(shù)據(jù)流圖；圖2B示出了傳統(tǒng)的k次交叉驗(yàn)證算法的流程圖；圖3示出了接收方工作特性(ROC)曲線的示例的圖；
圖4A示出了不具有時(shí)間性變化的按時(shí)間繪制的示例性過程的圖；圖4B示出了具有隨機(jī)的、各態(tài)歷經(jīng)波動(dòng)的按時(shí)間繪制的示例性平穩(wěn)過程的圖；圖4C示出了具有穩(wěn)定偏移的按時(shí)間繪制的示例性過程的圖，其中所述穩(wěn)定偏移在均值周圍伴隨有隨機(jī)波動(dòng)；圖5A示出了按時(shí)間排序的k次交叉驗(yàn)證的數(shù)據(jù)流圖；圖5B示出了根據(jù)本發(fā)明實(shí)現(xiàn)的按時(shí)間排序的k次交叉驗(yàn)證算法的流程圖；圖6示出了基于用于訓(xùn)練分類器的訓(xùn)練數(shù)據(jù)而預(yù)測(cè)過程中的時(shí)間性變化的創(chuàng)造性技術(shù)的流程圖；圖7是根據(jù)本發(fā)明實(shí)現(xiàn)的用于實(shí)現(xiàn)時(shí)間性變化管理器的系統(tǒng)的框圖；圖8示出了用于預(yù)測(cè)分類器的未來性能的操作方法的流程圖；圖9示出了用于判斷將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)是否將提高分類器性能的操作方法的流程圖；圖10根據(jù)圖9的方法，示出了在訓(xùn)練分類器時(shí)，使用訓(xùn)練數(shù)據(jù)樣本的滑動(dòng)窗的數(shù)據(jù)流圖；圖11示出了用于判斷在訓(xùn)練分類器時(shí)，訓(xùn)練數(shù)據(jù)樣本的滑動(dòng)窗的使用是否將提高分類器性能的另一操作方法的流程圖；以及圖12根據(jù)圖11的方法，示出了在訓(xùn)練分類器時(shí)，使用訓(xùn)練數(shù)據(jù)樣本的滑動(dòng)窗的數(shù)據(jù)流圖。
具體實(shí)施例方式
本發(fā)明提供了一種技術(shù)，該技術(shù)從利用有監(jiān)督學(xué)習(xí)來訓(xùn)練分類器的訓(xùn)練數(shù)據(jù)的指示中檢測(cè)出在過程中出現(xiàn)或可能出現(xiàn)的時(shí)間性變化。本發(fā)明還提供了用于在基礎(chǔ)過程中出現(xiàn)時(shí)間性變化時(shí)預(yù)測(cè)預(yù)期的分類器未來性能的技術(shù)，以及如果以及在收集附加的訓(xùn)練數(shù)據(jù)時(shí)，用于研究各種使附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)的使用最優(yōu)化的選項(xiàng)的技術(shù)。本發(fā)明采用了被稱為“按時(shí)間排序的k次交叉驗(yàn)證”的新穎技術(shù)，并且將使用傳統(tǒng)的k次交叉驗(yàn)證獲得的性能估計(jì)與使用按時(shí)間排序的k次交叉驗(yàn)證獲得的性能估計(jì)進(jìn)行比較，從而檢測(cè)出基礎(chǔ)過程中的時(shí)間性變化的可能指示。
如圖5A和5B中附圖所代表的按時(shí)間排序的k次交叉驗(yàn)證與傳統(tǒng)的k次交叉驗(yàn)證的不同之處在于將已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)(D＝{xi，ci})的集合劃分成k個(gè)子集的過程不是隨機(jī)完成的。相反，首先根據(jù)一個(gè)或多個(gè)相關(guān)標(biāo)準(zhǔn)(例如到達(dá)時(shí)間、檢查時(shí)間、制造時(shí)間等等)按時(shí)間的遞增順序?qū)τ?xùn)練數(shù)據(jù)進(jìn)行排序(圖5B中的步驟31)。然后將經(jīng)排序的訓(xùn)練數(shù)據(jù)的集合(DSORTED)劃分成(保持按時(shí)間排序的順序)k個(gè)子集D1，D2，...，Dk，這k個(gè)子集(大致)具有相同數(shù)目的樣本(步驟32)。
該過程的其余步驟都與傳統(tǒng)的k次交叉驗(yàn)證相同。對(duì)于每個(gè)i＝1，...k，基于去除掉Di的訓(xùn)練數(shù)據(jù)來訓(xùn)練分類器，并且所產(chǎn)生的分類器用于為Di的成員生成估計(jì)的類別標(biāo)簽 (步驟33-38)。最后，根據(jù)真實(shí)的和估計(jì)的類別標(biāo)簽，或者相應(yīng)的匯總統(tǒng)計(jì)來計(jì)算預(yù)測(cè)性能PETIME_ORDERED(k)。如前所述，可以計(jì)算出性能的一個(gè)或多個(gè)標(biāo)準(zhǔn)量度，例如預(yù)期損失、錯(cuò)誤分類率和工作特性曲線。與傳統(tǒng)的k次交叉驗(yàn)證一樣，數(shù)據(jù)集合中的所有樣本都被用于訓(xùn)練和測(cè)試。
通常已經(jīng)注意到，在性能的傳統(tǒng)預(yù)測(cè)和按時(shí)間排序的預(yù)測(cè)有所不同的過程中，按時(shí)間排序的性能估計(jì)PETIME_ORDERED(k)通常提供比傳統(tǒng)k次交叉驗(yàn)證的性能估計(jì)PE(k)好得多的未來分類器性能預(yù)測(cè)。根據(jù)本發(fā)明的一個(gè)方面，用于檢測(cè)基礎(chǔ)過程中可能出現(xiàn)的時(shí)間性變化的方法通過比較在傳統(tǒng)和按時(shí)間排序的k次交叉驗(yàn)證中獲得的性能估計(jì)而利用了這一事實(shí)。更具體而言，本發(fā)明采用了諸如圖6所示的方法50之類的方法，該方法在已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)上執(zhí)行傳統(tǒng)的k次交叉驗(yàn)證(步驟51)和按時(shí)間排序的k次交叉驗(yàn)證(步驟52)兩者。在步驟53中，對(duì)根據(jù)兩種技術(shù)產(chǎn)生的性能估計(jì)進(jìn)行比較。如果由按時(shí)間排序的k次交叉驗(yàn)證估計(jì)出的性能與由傳統(tǒng)的k次交叉驗(yàn)證估計(jì)出的性能相比不足夠壞，則將傳統(tǒng)的k次交叉驗(yàn)證用作對(duì)分類器未來性能的準(zhǔn)確預(yù)測(cè)器(步驟54)，并且沒有找到時(shí)間性變化的證據(jù)，即，在收集訓(xùn)練樣本的時(shí)間范圍內(nèi)沒有出現(xiàn)時(shí)間性變化，或者即便出現(xiàn)時(shí)間性變化，那么由于訓(xùn)練樣本是在一段足夠長的時(shí)間段內(nèi)收集的，它們具有代表性，因此所述過程表現(xiàn)出平穩(wěn)性和各態(tài)歷經(jīng)性。
但是，如果基于按時(shí)間排序的k次交叉驗(yàn)證估計(jì)出的性能足夠壞(步驟55)，則選擇性地生成警告(步驟56)，該警告指出在基礎(chǔ)過程中可能出現(xiàn)時(shí)間性變化，并且保證做進(jìn)一步分析。另外在這些條件下，按時(shí)間排序的k次交叉驗(yàn)證的性能估計(jì)與傳統(tǒng)的k次交叉驗(yàn)證的性能估計(jì)相比，提供了更好的對(duì)未來分類器性能的短期預(yù)測(cè)器。
在本發(fā)明的另一方面中，當(dāng)檢測(cè)到時(shí)間性變化時(shí)，自動(dòng)地或者在人工用戶控制下執(zhí)行進(jìn)一步分析，從而預(yù)測(cè)通過收集附加的訓(xùn)練數(shù)據(jù)，可能獲得性能的怎樣提高。具體而言，構(gòu)造訓(xùn)練集合大小和預(yù)測(cè)性能之間的曲線圖。另外，執(zhí)行分析來判斷是通過將新獲得的訓(xùn)練數(shù)據(jù)和之前收集的訓(xùn)練數(shù)據(jù)組合起來將產(chǎn)生更好的性能，還是通過對(duì)正在進(jìn)行的訓(xùn)練數(shù)據(jù)獲取過程使用具有給定大小的滑動(dòng)窗將產(chǎn)生更好的性能。
圖7是根據(jù)本發(fā)明實(shí)現(xiàn)的系統(tǒng)100的框圖。系統(tǒng)100檢測(cè)用于產(chǎn)生已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)集合104的過程130中可能出現(xiàn)的時(shí)間性變化，并且預(yù)測(cè)在數(shù)據(jù)集合104上使用有監(jiān)督學(xué)習(xí)算法105而訓(xùn)練的分類器的未來性能。另外，系統(tǒng)100對(duì)于是否收集附加的訓(xùn)練數(shù)據(jù)給出建議，并且如果收集，則對(duì)如何利用它給出建議。系統(tǒng)100一般包括用于執(zhí)行存儲(chǔ)器103中所存儲(chǔ)的實(shí)現(xiàn)本發(fā)明功能的代碼(例如多個(gè)程序指令)的程序和/或邏輯控制101(例如處理器102)。具體而言，存儲(chǔ)器103優(yōu)選地包括實(shí)現(xiàn)有監(jiān)督學(xué)習(xí)算法105、分類器106、時(shí)間性變化管理器110和數(shù)據(jù)選擇模塊111的代碼。
有監(jiān)督學(xué)習(xí)算法105使用由數(shù)據(jù)選擇模塊111選出的訓(xùn)練數(shù)據(jù)104中的一些或全部來構(gòu)造經(jīng)訓(xùn)練的分類器106。數(shù)據(jù)選擇模塊111在程序的控制下，能夠根據(jù)指定標(biāo)準(zhǔn)109對(duì)數(shù)據(jù)進(jìn)行排序，還能夠以確定性的或者偽隨機(jī)的方式選擇經(jīng)排序數(shù)據(jù)或者原始數(shù)據(jù)的子集。按時(shí)間排序的k次交叉驗(yàn)證算法和傳統(tǒng)的k次交叉驗(yàn)證算法分別由模塊116和112來實(shí)現(xiàn)。如圖所示，模塊118和114所產(chǎn)生的性能估計(jì)分別與將由圖5B和圖2B中的算法所產(chǎn)生的性能估計(jì)相同，并且因此模塊116和112可以被認(rèn)為在邏輯上截然不同。但是，在優(yōu)選實(shí)施例中，所有的排序、子集選擇和劃分實(shí)際上都由數(shù)據(jù)選擇模塊111來執(zhí)行，因此模塊116和112實(shí)際上被實(shí)現(xiàn)為單個(gè)共享的k次交叉驗(yàn)證模塊，該模塊預(yù)計(jì)數(shù)據(jù)已被預(yù)先劃分為k個(gè)子集。如圖5B和2B所示，交叉驗(yàn)證模塊使用學(xué)習(xí)算法105來構(gòu)造經(jīng)訓(xùn)練的分類器106，接著經(jīng)訓(xùn)練的分類器106被用于為每個(gè)輸入向量xi生成估計(jì)分類 。然后，通過比較真實(shí)的和預(yù)期的分類集合{ci)和 或相應(yīng)的匯總統(tǒng)計(jì)來獲得按時(shí)間排序的和傳統(tǒng)性能估計(jì)118和114。在優(yōu)選實(shí)施例中，預(yù)期損失被用作公共的性能估計(jì)。時(shí)間性變化管理器110根據(jù)從按時(shí)間排序的和傳統(tǒng)的k次交叉驗(yàn)證中獲得的匯總統(tǒng)計(jì)來構(gòu)造ROC曲線，并且選擇使預(yù)期的每樣本損失最小化的工作點(diǎn)。
時(shí)間性變化管理器110還包括時(shí)間性變化檢測(cè)功能塊120，并且優(yōu)選地包括未來性能預(yù)測(cè)功能塊123和預(yù)測(cè)性能分析器124。
時(shí)間性變化管理器110的時(shí)間性變化檢測(cè)功能塊120包括比較功能塊121，該功能塊將傳統(tǒng)k次交叉驗(yàn)證的性能估計(jì)113和按時(shí)間排序的k次交叉驗(yàn)證的性能估計(jì)117進(jìn)行比較，從而確定在基礎(chǔ)過程中可能出現(xiàn)的時(shí)間性變化。在優(yōu)選實(shí)施例中，比較功能塊120在使各個(gè)預(yù)期的每樣本損失最小化的各條ROC曲線的各個(gè)工作點(diǎn)處，對(duì)分別從傳統(tǒng)k次交叉驗(yàn)證性能估計(jì)113和按時(shí)間排序的k次交叉驗(yàn)證性能估計(jì)117中計(jì)算出的預(yù)期損失115和119進(jìn)行比較。因此，在優(yōu)選實(shí)施例中，比較功能塊120判斷使用按時(shí)問排序的k次交叉驗(yàn)證計(jì)算出的預(yù)期的每樣本損失119與使用普通傳統(tǒng)的k次交叉驗(yàn)證計(jì)算出的預(yù)期的每樣本損失115相比是否足夠大(在合理的誤差邊界內(nèi))。(對(duì)于非二元的情況，產(chǎn)生更高維平面而不是ROC曲線；但是，最優(yōu)工作點(diǎn)以及相關(guān)的預(yù)期損失仍舊存在，它們可以被計(jì)算和比較。)如果按時(shí)間排序的k次交叉驗(yàn)證性能估計(jì)117與傳統(tǒng)k次交叉驗(yàn)證性能估計(jì)113具有可比性，或者比其更好，則不存在未受控的時(shí)間性變化的證據(jù)，并且傳統(tǒng)的k次交叉驗(yàn)證提供了適當(dāng)?shù)男阅茴A(yù)測(cè)123。另一方面，如果由按時(shí)間排序的k次交叉驗(yàn)證預(yù)測(cè)的性能與由傳統(tǒng)的k次交叉驗(yàn)證預(yù)測(cè)的性能相比足夠壞，則暗示存在時(shí)間性變化，并且因此傳統(tǒng)的k次交叉驗(yàn)證方法過高地估計(jì)了使用當(dāng)前可獲得的訓(xùn)練數(shù)據(jù)104中的全部數(shù)據(jù)進(jìn)行訓(xùn)練的分類器的性能。在這種情況下，警告產(chǎn)生122優(yōu)選地產(chǎn)生警告，該警告指出在基礎(chǔ)過程中可能存在時(shí)間性變化。該警告可以以很多不同的方式產(chǎn)生，包括在指定的寄存器或存儲(chǔ)器位置中設(shè)置一個(gè)比特或值、由處理器102產(chǎn)生中斷、從過程調(diào)用中返回參數(shù)、調(diào)用產(chǎn)生警告的方法或過程(例如在圖形用戶界面中，或者作為外部信號(hào))，或者任何用于以信令來通報(bào)狀態(tài)的已知計(jì)算機(jī)化方法。另外，在這種情況下，預(yù)測(cè)性能123將基于由按時(shí)間排序的交叉驗(yàn)證所估計(jì)出的每樣本預(yù)測(cè)損失。
一種用于判斷由按時(shí)間排序的k次交叉驗(yàn)證預(yù)測(cè)出的性能是否比由傳統(tǒng)的k次交叉驗(yàn)證預(yù)測(cè)出的性能“足夠壞”的方法如下由于按時(shí)間排序的分組是唯一的，因此按時(shí)間排序的分組無法被重新采樣，從而按照通常由普通的交叉驗(yàn)證所使用的方式來估計(jì)所述性能估計(jì)的可變性。但是，由于傳統(tǒng)的k次交叉驗(yàn)證分組是隨機(jī)選擇的，因此可以測(cè)試如下虛假設(shè)按時(shí)間排序的估計(jì)和傳統(tǒng)估計(jì)之間的差別是由于傳統(tǒng)k次交叉驗(yàn)證估計(jì)中的隨機(jī)變化。如果在傳統(tǒng)k次交叉驗(yàn)證的重復(fù)應(yīng)用中，估計(jì)性能比在這時(shí)由按時(shí)間排序的k次交叉驗(yàn)證獲得的估計(jì)性能壞p％，那么如果p(所獲得的重要性等級(jí))很小，所述差別則可能相當(dāng)大。
也可以使用其它用于估計(jì)性能估計(jì)的變化性，并且判斷它們是不是非常不同的方法。例如，在不重復(fù)傳統(tǒng)的k次交叉驗(yàn)證的情況下，可以完成傳統(tǒng)性能估計(jì)和按時(shí)間排序的性能估計(jì)之間的比較。對(duì)于傳統(tǒng)的k次交叉驗(yàn)證和按時(shí)間排序的k次交叉驗(yàn)證兩者，都可以在k個(gè)評(píng)估子集中的每一個(gè)或其組合上單獨(dú)計(jì)算性能估計(jì)。然后，這些估計(jì)在每種類型的交叉驗(yàn)證內(nèi)的變化性(例如標(biāo)準(zhǔn)方差或范圍)可被用作相應(yīng)的全面性能估計(jì)的可信度量度。然后，可以應(yīng)用傳統(tǒng)的統(tǒng)計(jì)測(cè)試來判斷所述估計(jì)是否相當(dāng)不同。
由于收集附加訓(xùn)練數(shù)據(jù)的步驟可能非常昂貴，因此希望在實(shí)際收集之前預(yù)測(cè)可能預(yù)期對(duì)分類器性能產(chǎn)生什么影響。時(shí)間性變化管理器110優(yōu)選地包括預(yù)測(cè)性能分析器124，該預(yù)測(cè)性能分析器124與其它功能塊一起預(yù)測(cè)增大已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)集合的大小所產(chǎn)生的影響。通過估計(jì)可能產(chǎn)生的性能增益，可以用獲取數(shù)據(jù)的成本換得收益。圖8示出了操作60的優(yōu)選方法，在操作60中，預(yù)測(cè)性能分析器124執(zhí)行以上功能。如其所述，未來性能預(yù)測(cè)方法60重復(fù)地執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，同時(shí)改變k并且將所產(chǎn)生的性能估計(jì)(優(yōu)選地，在最優(yōu)工作點(diǎn)處的預(yù)期損失)存儲(chǔ)為有效的訓(xùn)練集合大小的函數(shù)。如果發(fā)現(xiàn)預(yù)測(cè)性能隨著訓(xùn)練集合大小的增大而提高，那么結(jié)果可以被外插，從而預(yù)期訓(xùn)練集合大小的給定增長可能會(huì)導(dǎo)致性能收益。相反，如果沒有發(fā)現(xiàn)性能隨著訓(xùn)練集合大小的增大而提高或者提高很小，則說明附加的訓(xùn)練數(shù)據(jù)未必有用。注意，在該示例中，我們考慮獲取附加的訓(xùn)練數(shù)據(jù)，并且將它們簡單地添加到之前的數(shù)據(jù)中。諸如移動(dòng)窗之類的附加選項(xiàng)將在下面進(jìn)行描述。
更詳細(xì)地討論方法60，首先按照時(shí)間的遞增順序?qū)色@得的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)進(jìn)行排序(步驟61)，并且將它們劃分成具有大致相同大小的k＝k1個(gè)子集，同時(shí)保持排序的順序不變。如上所述，排序和劃分功能由數(shù)據(jù)選擇模塊111來執(zhí)行。執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證116，并且存儲(chǔ)所產(chǎn)生的性能估計(jì)118以及有效的訓(xùn)練集合大小 然后，增大子集數(shù)目k，并且重復(fù)該過程，直到k超過選定的上限k＞K2。
當(dāng)對(duì)于k次迭代的每個(gè)值的性能估計(jì)都已被收集時(shí)，可以對(duì)性能估計(jì)(或其匯總數(shù)據(jù))進(jìn)行分析，并且可以計(jì)算未來分類器性能的預(yù)測(cè)。由于訓(xùn)練集合的大小大致隨 而變，因此k的較大值接近較大訓(xùn)練集合的效果，當(dāng)然易于受到統(tǒng)計(jì)變化。然后通過外插，可以利用各種數(shù)量的附加訓(xùn)練數(shù)據(jù)而估計(jì)出預(yù)期的分類器性能。當(dāng)然，外插總是帶有風(fēng)險(xiǎn)，因此必須利用實(shí)際的性能結(jié)果來核實(shí)這樣的預(yù)測(cè)。但是，即使不經(jīng)過外插，這樣的曲線圖也將指示出性能是否仍舊隨著訓(xùn)練集合大小而快速改變。預(yù)測(cè)性能隨著訓(xùn)練集合大小的快速提高清晰地指示出訓(xùn)練數(shù)據(jù)不代表基礎(chǔ)過程，并且強(qiáng)烈指出需要收集附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)。利用內(nèi)插或外插，還可以使用這樣的曲線圖來校正從具有不同大小的數(shù)據(jù)集合(例如兩個(gè)分別包含N1和N2個(gè)點(diǎn)的數(shù)據(jù)集合)得出的預(yù)測(cè)，以回到公共的比較點(diǎn)(例如將對(duì)于包含N2個(gè)點(diǎn)的數(shù)據(jù)集合的預(yù)測(cè)性能校正為與對(duì)于包含N1個(gè)點(diǎn)的數(shù)據(jù)集合的預(yù)測(cè)性能具有可比性)。這種排序的校正增大了如下可能性性能上的其余差別是由于數(shù)據(jù)的實(shí)際變化所引起的，而不是由于對(duì)樣本大小的簡單人為改變所引起。
如果判斷出將要收集附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)，則預(yù)測(cè)性能分析器124優(yōu)選地判斷怎樣才能最好地利用己收集的附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)。例如，可以將附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)與已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)104的初始集合組合起來，并在單個(gè)訓(xùn)練期間被用于訓(xùn)練分類器。可替換地，附加的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)可以被用于根據(jù)滑動(dòng)窗方案而使用組合數(shù)據(jù)的子集來周期性地訓(xùn)練分類器。為了判斷如何最好地利用附加的己加注標(biāo)簽的訓(xùn)練數(shù)據(jù)，預(yù)測(cè)性能分析器124可以利用滑動(dòng)窗方案來仿真訓(xùn)練，并且可以將所產(chǎn)生的性能估計(jì)與使用所有可獲得的訓(xùn)練數(shù)據(jù)得到的性能估計(jì)進(jìn)行比較。這樣的分析可以在收集附加的訓(xùn)練數(shù)據(jù)之前或者之后執(zhí)行。
圖9示出了示例性的方法70，該方法用于判斷與使用整個(gè)訓(xùn)練集合的情況相比，將滑動(dòng)窗用于已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)是否將提高分類器的性能。出于這個(gè)目的，按相關(guān)時(shí)間的遞增順序?qū)τ?xùn)練數(shù)據(jù)D進(jìn)行排序(步驟71)，然后將經(jīng)排序的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)DSORTED劃分為M個(gè)子集D1，D2，...，DM，優(yōu)選地，這些子集具有大致相等的大小(步驟72)。這些操作由數(shù)據(jù)選擇模塊111來執(zhí)行。從概念上講，然后對(duì)仿真大小為n/M的滑動(dòng)窗的D1，...，DM中的每一個(gè)單獨(dú)執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，并且將所產(chǎn)生的性能估計(jì)與從使用整個(gè)數(shù)據(jù)集合DSORTED的k次交叉驗(yàn)證中得到的結(jié)果進(jìn)行比較。如上所述，在優(yōu)選的實(shí)施例中，排序和劃分操作都在數(shù)據(jù)選擇模塊111中執(zhí)行，而不是由交叉驗(yàn)證模塊來執(zhí)行。為了對(duì)DSORTED執(zhí)行按時(shí)間排序的k次交叉驗(yàn)證，例如，數(shù)據(jù)選擇模塊111將DSORTED確定性地劃分為k個(gè)子集DSORTED_1...DSORTED_k，同時(shí)保持排序順序不變。然后這些子集被傳遞到普通交叉驗(yàn)證模塊116/112，所述普通交叉驗(yàn)證模塊116/112無需執(zhí)行任何附加的排序或劃分，就可以計(jì)算出性能估計(jì)。相似地，D1，...，DM中的每一個(gè)都被單獨(dú)地劃分為k個(gè)子集，以用于交叉驗(yàn)證模塊的處理。
將所產(chǎn)生的性能估計(jì)分別標(biāo)注為PE1...PEM以及PESORTED，對(duì)這些性能估計(jì)進(jìn)行比較(步驟74)?？赡墚a(chǎn)生若干結(jié)果。如果PE1...PEM在大范圍內(nèi)變化，那么窗大小n/M可能太小，應(yīng)該被增大。假設(shè)這些估計(jì)基本一致。在這種情況下，如果PE1...PEM與PESORTED具有可比性，則意味著將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)的做法將不會(huì)提高性能。相反，如果PE1...PEM好于PESORTED，則指出需要使用滑動(dòng)窗。利用變化的窗大小(即改變M)的進(jìn)一步分析將被用于選擇最優(yōu)的窗大小。最后，如果PE1...PEM與PESORTED相比足夠壞，那么滑動(dòng)窗大小可能太小。在這種情況下，可以降低M并且重復(fù)分析，或者在步驟前進(jìn)之前收集附加的訓(xùn)練數(shù)據(jù)。
根據(jù)第四種情況，當(dāng)對(duì)于各個(gè)子集D1，D2，...，DM中的每一個(gè)子集的性能估計(jì)PE1，PE2，...，PEM彼此之間變化很大時(shí)，在產(chǎn)生訓(xùn)練數(shù)據(jù)樣本的基礎(chǔ)過程中可能存在時(shí)間性變化。在這種情況下，具有不同數(shù)據(jù)集合大小的滑動(dòng)訓(xùn)練窗的使用可以提高分類器的性能。因此，可以以各種不同的數(shù)據(jù)集合大小來重復(fù)過程70，從而判斷是否可以提高分類器性能，并且如果可以，則優(yōu)選地，還使用導(dǎo)致最優(yōu)分類器性能的數(shù)據(jù)集合大小。
圖10示意性地示出了用于訓(xùn)練分類器的滑動(dòng)窗的概念。在所示實(shí)施例中，按時(shí)間排序的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)DSORTED被劃分為四個(gè)相互獨(dú)立的子集D1、D2、D3和D4，這四個(gè)子集具有大致相等的大小(即在任意子集中，都沒有成員屬于任何其他的子集)。理想地，應(yīng)該以大致恒定的采樣頻率來收集訓(xùn)練數(shù)據(jù)，從而使相等的樣本大小對(duì)應(yīng)于大致相等的持續(xù)時(shí)間。所述大小代表滑動(dòng)窗在訓(xùn)練數(shù)據(jù)中的樣本長度。這樣，分類器將在子集D1上被訓(xùn)練，稍后在子集D2上被訓(xùn)練，以此類推?；瑒?dòng)窗的最優(yōu)大小依賴于反映基礎(chǔ)過程中的時(shí)間性變化的需求和代表性樣本數(shù)目的需求之間的權(quán)衡。
當(dāng)然，本領(lǐng)域技術(shù)人員將會(huì)意識(shí)到，子集的數(shù)目M可以根據(jù)具體應(yīng)用而變化，并且還可以將子集構(gòu)造為彼此重疊，從而使一個(gè)或多個(gè)子集包括來自于在時(shí)間上緊接給定子集之前或者緊隨給定子集之后的那個(gè)子集的數(shù)據(jù)樣本。按時(shí)間排序的k次交叉驗(yàn)證提供了用于選擇這種滑動(dòng)窗大小以使性能最優(yōu)化的機(jī)制。
圖11示出了另一示例性方法80，該方法用于判斷與使用整個(gè)訓(xùn)練集合的情況相比，將滑動(dòng)窗用于已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)是否將提高分類器的性能。在該方法中，按相關(guān)時(shí)間的遞增順序?qū)τ?xùn)練數(shù)據(jù)D進(jìn)行排序(步驟81)。M個(gè)具有大致相等大小的子集D1，D2，...，DM是從經(jīng)排序的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)DSORTED中選出的，同時(shí)保持時(shí)間上的順序(步驟82)。從M個(gè)子集中選出訓(xùn)練數(shù)據(jù)子集和相應(yīng)的測(cè)試數(shù)據(jù)子集對(duì)(步驟83)。測(cè)試數(shù)據(jù)子集被優(yōu)選地選為在時(shí)間上跟隨(將數(shù)據(jù)集合看作循環(huán)的)并靠近其相應(yīng)的訓(xùn)練數(shù)據(jù)子集。同樣，這些操作優(yōu)選地由數(shù)據(jù)選擇模塊111來執(zhí)行。然后，將每個(gè)選出的訓(xùn)練數(shù)據(jù)子集用于訓(xùn)練相應(yīng)的分類器(步驟84)，然后將相應(yīng)的分類器用于分類其相應(yīng)測(cè)試數(shù)據(jù)子集的成員(步驟85)。利用大小為n/M的有效滑動(dòng)窗，將所分配的分類與已知的真實(shí)分類進(jìn)行比較，從而產(chǎn)生性能估計(jì)(步驟86)。對(duì)這些性能估計(jì)PE1...PEM進(jìn)行比較(步驟87)。
如果PE1...PEM基本上具有可比性，那么它們的平均值(或者其他統(tǒng)計(jì)匯總)預(yù)測(cè)出使用大小為n/M的滑動(dòng)窗將會(huì)獲得的性能(步驟88)。為了判斷滑動(dòng)窗是否將提高性能，需要將利用大小為n/M的滑動(dòng)窗估計(jì)出的性能與使用完整的數(shù)據(jù)集合估計(jì)出的性能進(jìn)行比較。這樣，然后將基本上具有可比性的性能估計(jì)PE1...PEM或者它們的總體匯總(例如它們的平均值)與性能估計(jì)PESORTED進(jìn)行比較(步驟89)，如以上所描述并如圖9所示出的，性能估計(jì)PESORTED是由在總的按時(shí)間排序的訓(xùn)練數(shù)據(jù)集合DSORTED上被訓(xùn)練的分類器所產(chǎn)生的。如果來自步驟89的比較指示出性能估計(jì)PE1...PEM或其統(tǒng)計(jì)匯總足夠好于性能估計(jì)PESORTED，那么使用大小為n/M的滑動(dòng)窗來訓(xùn)練分類器的做法應(yīng)該引起分類器性能的提高(步驟90)?？梢砸愿鞣N不同的數(shù)據(jù)集合大小(n/M)來重復(fù)過程80，從而利用窗大小進(jìn)行實(shí)驗(yàn)以找到能夠產(chǎn)生最好的預(yù)期性能結(jié)果的大小。
但是，如果比較過程(來自步驟89)指示出性能估計(jì)PE1...PEM或其統(tǒng)計(jì)匯總沒有足夠好于性能估計(jì)PESORTED，則不存在證據(jù)表明大小為n/M的滑動(dòng)窗將會(huì)提高分類器性能(步驟91)。為了找到能夠提高性能的窗大小，可以用各種不同的數(shù)據(jù)集合大小(n/M)來重復(fù)過程80，從而利用窗大小進(jìn)行實(shí)驗(yàn)。
相反，如果發(fā)現(xiàn)(在步驟87中)性能估計(jì)PE1...PEM差別相當(dāng)大，則無法得出明確的結(jié)論(步驟92)(除非性能估計(jì)PE1...PEM的總體或其他統(tǒng)計(jì)匯總相當(dāng)不同于PESORTED)。這樣的結(jié)果可能是由于窗大小n/M太小，而使用更大的窗大小進(jìn)行訓(xùn)練會(huì)得到更加具有可比性的性能估計(jì)PE1...PEM。因此，可以以各種不同的數(shù)據(jù)集合大小(n/M)來重復(fù)過程80，以判斷是否能夠獲得分類器性能的提高，如果可以，還優(yōu)選地使用能夠產(chǎn)生最優(yōu)分類器性能的窗大小n/M。
圖12示意性圖示出圖11的滑動(dòng)窗方法。在所示實(shí)施例中，按時(shí)間排序的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)DSORTED被劃分為具有大致相等大小的四個(gè)相互獨(dú)立的子集D1、D2、D3和D4。每個(gè)子集D1、D2、D3和D4被用于訓(xùn)練相應(yīng)的分類器，并且每個(gè)相應(yīng)的分類器被用于分類每個(gè)時(shí)間上連續(xù)的子集(在所示實(shí)施例中，以覆蓋線表示)D4、D1、D2、D3的成員。分類結(jié)果被用于產(chǎn)生性能估計(jì)PE1...PE4。(注意，如果假設(shè)按時(shí)間排序的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)DSORTED是周期性的，那么可以將其看作循環(huán)的，并且因此在時(shí)間上隨子集D4之后的子集將是D1。如果不假設(shè)按時(shí)間排序的已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)DSORTED是周期性的，那么將從分析中省略掉相應(yīng)于訓(xùn)練/測(cè)試子集對(duì)D4/D1的性能估計(jì)P4。)如前所述，訓(xùn)練數(shù)據(jù)應(yīng)該以大致恒定的采樣頻率被收集，因此相等的樣本大小對(duì)應(yīng)于大致相等的持續(xù)時(shí)間。當(dāng)然，本領(lǐng)域技術(shù)人員將會(huì)意識(shí)到，子集數(shù)目M可以根據(jù)具體應(yīng)用而變化，并且還可以將子集構(gòu)造為彼此重疊，從而使一個(gè)或多個(gè)子集包括來自于在時(shí)間上緊接給定子集之前或者緊隨給定子集之后的那個(gè)子集的數(shù)據(jù)樣本。
之前的論述已經(jīng)假設(shè)單個(gè)時(shí)間足夠刻畫所考慮過程的時(shí)間性變化。這種假設(shè)并不總是有效的?？梢砸霑r(shí)間性變化的多個(gè)源，并且每個(gè)源可能需要其自身用于特征化的時(shí)間戳。按時(shí)間排序的k次交叉驗(yàn)證可以被容易地?cái)U(kuò)展到處理多個(gè)時(shí)間。繼續(xù)上述制造示例，假設(shè)制造和測(cè)量過程中的變化都很重要，并且以樣本的制造時(shí)間和檢查或測(cè)量時(shí)間兩者來標(biāo)注每個(gè)樣本。因此現(xiàn)在每個(gè)樣本具有兩個(gè)相關(guān)時(shí)間t1和t2，這兩個(gè)時(shí)間分別對(duì)應(yīng)于制造和測(cè)量時(shí)間?？梢詫⑺鼈兛醋鳉W幾里得空間中的正交維度。因此在本示例中的樣本(訓(xùn)練數(shù)據(jù))點(diǎn)可以被看作位于兩維圖形(例如沿著x軸的t1和沿著y軸的t2)上。假設(shè)t1的變化比t2的變化具有更大的影響。(可以隨機(jī)地?cái)嚅_聯(lián)系。)通過沿著選擇t1軸選擇斷點(diǎn)而將樣本劃分為具有大致相等大小的k1個(gè)集合。然后，再通過沿著t2軸選擇斷點(diǎn)而將這k1個(gè)集合中的每一個(gè)進(jìn)一步劃分為具有大致相等大小的k2個(gè)集合。這就得到了k＝k1k2個(gè)方形區(qū)域，其中每個(gè)區(qū)域包含的樣本點(diǎn)數(shù)目大致相等。與一維的情況相同，這些區(qū)域可以在訓(xùn)練期間被保持，從而產(chǎn)生按時(shí)間排序的k1×k2次交叉驗(yàn)證?？梢詫⑾嗤倪^程方便地?cái)U(kuò)展到處理更多維數(shù)的情況。
注意，這種按時(shí)間排序的分組是一種可能在傳統(tǒng)的k次交叉驗(yàn)證的過程中產(chǎn)生的有效樣本，雖然其概率較低。如前所述，可以將由傳統(tǒng)的和按時(shí)間排序的k次交叉驗(yàn)證預(yù)測(cè)出的性能進(jìn)行比較，以檢測(cè)時(shí)間性變化的證據(jù)，從而判斷附加訓(xùn)練數(shù)據(jù)的收集是否適當(dāng)，并且判斷如何最好地利用這樣的附加訓(xùn)練數(shù)據(jù)。
總之，本發(fā)明在有監(jiān)督學(xué)習(xí)和自動(dòng)分類系統(tǒng)的環(huán)境中，利用傳統(tǒng)的和按時(shí)間排序的k次交叉驗(yàn)證兩者來檢測(cè)和管理時(shí)間性變化的某些有問題的情況。它還提供了用于預(yù)測(cè)在這種情況下構(gòu)造的分類器的性能的工具。最后，本發(fā)明可被用于提出如下方法；該方法用于管理訓(xùn)練數(shù)據(jù)庫以及正在進(jìn)行訓(xùn)練的分類器，從而在這種時(shí)間性改變的情況下使性能最大化。雖然以上內(nèi)容是根據(jù)隨時(shí)間變化的過程而設(shè)計(jì)和描述的，但是應(yīng)該意識(shí)到，根據(jù)其他變量(例如溫度、位置等等)的變化也可以用上述方式來應(yīng)對(duì)。
雖然已經(jīng)出于舉例說明的目的而公開了本發(fā)明的優(yōu)選實(shí)施例，但是本領(lǐng)域的技術(shù)人員將會(huì)意識(shí)到，無需脫離所附權(quán)利要求中所公開的本發(fā)明的范圍和精神，可以進(jìn)行各種修改、添加和替換。當(dāng)前公開的發(fā)明的其他益處或用途也可能將隨著時(shí)間而變得更加明顯。
權(quán)利要求
1.一種用于預(yù)測(cè)分類器性能的方法，所述分類器是通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的，所述方法包括以下步驟根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)，將所述訓(xùn)練數(shù)據(jù)集合排序成經(jīng)排序的訓(xùn)練數(shù)據(jù)集合；選擇一個(gè)或多個(gè)具有大致相等的第一預(yù)定大小的教導(dǎo)子集以及相應(yīng)的一個(gè)或多個(gè)具有大致相等的第二預(yù)定大小的測(cè)試子集，所述教導(dǎo)子集包括所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合中的第一相鄰成員，并且所述測(cè)試子集包括來自所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合的至少一個(gè)成員，該成員在時(shí)間上緊隨其相應(yīng)的一個(gè)或多個(gè)教導(dǎo)子集的所有成員之后；使用所述一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練相應(yīng)的一個(gè)或多個(gè)分類器；使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生一個(gè)或多個(gè)性能估計(jì)；并且基于所述一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將滑動(dòng)窗用于大致具有所述第一預(yù)定大小的訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
2.一種有形地包含程序指令的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述程序指令實(shí)現(xiàn)用于預(yù)測(cè)分類器性能的方法，所述分類器是通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的，所述方法包括以下步驟根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)，將所述訓(xùn)練數(shù)據(jù)集合排序成經(jīng)排序的訓(xùn)練數(shù)據(jù)集合；選擇一個(gè)或多個(gè)具有大致相等的第一預(yù)定大小的教導(dǎo)子集以及相應(yīng)的一個(gè)或多個(gè)具有大致相等的第二預(yù)定大小的測(cè)試子集，所述教導(dǎo)子集包括所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合中的第一相鄰成員，并且所述測(cè)試子集包括來自所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合的至少一個(gè)成員，該成員在時(shí)間上緊隨其相應(yīng)的一個(gè)或多個(gè)教導(dǎo)子集的所有成員之后；使用所述一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練相應(yīng)的一個(gè)或多個(gè)分類器；使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生一個(gè)或多個(gè)性能估計(jì)；并且基于所述一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將滑動(dòng)窗用于大致具有所述第一預(yù)定大小的訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
3.一種用于預(yù)測(cè)分類器性能的系統(tǒng)，所述分類器是通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的，所述系統(tǒng)包括數(shù)據(jù)選擇功能塊，該功能塊根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)，將所述訓(xùn)練數(shù)據(jù)集合排序成經(jīng)排序的訓(xùn)練數(shù)據(jù)集合，并且該功能塊選擇一個(gè)或多個(gè)具有大致相等的第一預(yù)定大小的教導(dǎo)子集以及相應(yīng)的一個(gè)或多個(gè)具有大致相等的第二預(yù)定大小的測(cè)試子集，所述教導(dǎo)子集包括所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合中的第一相鄰成員，并且所述測(cè)試子集包括來自所述經(jīng)排序的訓(xùn)練數(shù)據(jù)集合的至少一個(gè)成員，該成員在時(shí)間上緊隨其相應(yīng)的一個(gè)或多個(gè)教導(dǎo)子集的所有成員之后；一個(gè)或多個(gè)分類器，分別使用所述一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練所述一個(gè)或多個(gè)分類器，并且使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分別分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；比較功能塊，該比較功能塊將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生一個(gè)或多個(gè)性能估計(jì)；以及預(yù)測(cè)功能塊，該預(yù)測(cè)功能塊基于所述一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將滑動(dòng)窗用于大致具有所述第一預(yù)定大小的訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
4.一種用于預(yù)測(cè)分類器性能的方法，所述分類器是通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的，所述方法包括以下步驟根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)來選擇所述訓(xùn)練數(shù)據(jù)集合的一個(gè)或多個(gè)組，所述一個(gè)或多個(gè)組具有大致相等的大??；從所述一個(gè)或多個(gè)組中的每個(gè)組中，根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第二標(biāo)準(zhǔn)而選出具有大致相等的第一預(yù)定大小的一個(gè)或多個(gè)教導(dǎo)子集，并且根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第三標(biāo)準(zhǔn)而選出相應(yīng)的具有大致相等的第一預(yù)定大小的測(cè)試子集；使用來自所述一個(gè)或多個(gè)組中每個(gè)組的一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練相應(yīng)的一個(gè)或多個(gè)分類器；使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)；并且基于所述與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將具有大致相等的第一預(yù)定大小的滑動(dòng)窗用于所述訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
5.一種有形地包含程序指令的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述程序指令實(shí)現(xiàn)用于預(yù)測(cè)分類器性能的方法，所述分類器是通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的，所述方法包括以下步驟根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)來選擇所述訓(xùn)練數(shù)據(jù)集合的一個(gè)或多個(gè)組，所述一個(gè)或多個(gè)組具有大致相等的大小；從所述一個(gè)或多個(gè)組中的每個(gè)組中，根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第二標(biāo)準(zhǔn)而選出具有大致相等的第一預(yù)定大小的一個(gè)或多個(gè)教導(dǎo)子集，并且根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第三標(biāo)準(zhǔn)而選出相應(yīng)的具有大致相等的第一預(yù)定大小的測(cè)試子集；使用來自所述一個(gè)或多個(gè)組中每個(gè)組的一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練相應(yīng)的一個(gè)或多個(gè)分類器；使用所述相應(yīng)的一個(gè)或多個(gè)分類器來分類所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員；將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)；并且基于所述與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將具有大致相等的第一預(yù)定大小的滑動(dòng)窗用于所述訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
6.一種用于預(yù)測(cè)分類器性能的系統(tǒng)，所述分類器是通過將滑動(dòng)窗用于訓(xùn)練數(shù)據(jù)集合而被訓(xùn)練的，所述系統(tǒng)包括數(shù)據(jù)選擇功能塊，該功能塊根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第一標(biāo)準(zhǔn)來選擇所述訓(xùn)練數(shù)據(jù)集合的一個(gè)或多個(gè)組，所述一個(gè)或多個(gè)組具有大致相等的大小，并且從所述一個(gè)或多個(gè)組中的每個(gè)組中，根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第二標(biāo)準(zhǔn)而選出具有大致相等的第一預(yù)定大小的一個(gè)或多個(gè)教導(dǎo)子集，并且根據(jù)至少部分基于時(shí)間順序的一個(gè)或多個(gè)第三標(biāo)準(zhǔn)而選出相應(yīng)的具有大致相等的第一預(yù)定大小的測(cè)試子集；多個(gè)分類器，分別使用來自所述一個(gè)或多個(gè)組中每個(gè)組的一個(gè)或多個(gè)教導(dǎo)子集來訓(xùn)練所述多個(gè)分類器，并且所述多個(gè)分類器對(duì)所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員進(jìn)行分類；比較功能塊，該比較功能塊將分配給所述相應(yīng)的一個(gè)或多個(gè)測(cè)試子集的成員的分類與分配給已加注標(biāo)簽的訓(xùn)練數(shù)據(jù)中的相應(yīng)成員的相應(yīng)真實(shí)分類進(jìn)行比較，以產(chǎn)生與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)；以及預(yù)測(cè)功能塊，該預(yù)測(cè)功能塊基于所述與每個(gè)組相關(guān)聯(lián)的一個(gè)或多個(gè)性能估計(jì)的統(tǒng)計(jì)分析來預(yù)測(cè)所述分類器的性能，所述分類器是通過將具有大致相等的第一預(yù)定大小的滑動(dòng)窗用于所述訓(xùn)練數(shù)據(jù)而被訓(xùn)練的。
全文摘要
本發(fā)明公開了用于檢測(cè)時(shí)間性過程變化的技術(shù)，以及通過使用基于樣本的時(shí)間排序而獲得的性能估計(jì)，來管理和預(yù)測(cè)被應(yīng)用于這種過程的自動(dòng)分類器的性能的技術(shù)。
文檔編號(hào)G06F17/00GK1749987SQ200510076969
公開日2006年3月22日 申請(qǐng)日期2005年6月9日 優(yōu)先權(quán)日2004年9月14日
發(fā)明者約翰·M·海曼, 李強(qiáng) 申請(qǐng)人:安捷倫科技有限公司