基于半监督学习的分类器训练方法及装置

摘要

本发明涉及机器学习技术领域，特别是涉及一种基于半监督学习的分类器训练方法及装置。该方法包括：当接收到模型训练指令时，获取初始分类模型及各个携带正类标签的样本数据、携带负类标签的样本数据、携带第三类标签的样本数据和无标签样本数据，生成训练数据集，将训练数据集输入初始分类模型触发其进行训练，训练结束后获得目标分类模型，并计算分类准确度；当分类准确度达到预设准确阈值，确定该目标分类模型为分类器。通过各种携带标签的样本数据和无标签样本数据，为初始分类模型提供更多的分类和识别信息，该初始分类模型可以根据各个样本数据学习每种数据对应的标签，以提高对各个数据进行识别和分类精度，提高分类器的性能。