数据缺失条件下的公平分类方法和装置

本发明提供一种数据缺失条件下的公平分类方法和装置，包括：获取样本数据集；将样本数据集输入至预先训练的目标分类模型，得到分类结果；目标分类模型的训练步骤包括：S1：初始化决策树的样本分布权重；S2：利用预先设置的基分类器对样本数据集进行初步分类和缺失值处理，得到当前决策树；S3：基于当前决策树的预测值和公平约束指标计算基分类器的总错误率；S4：基于基分类器的线性组合利用总错误率对预先构建的指数损失函数进行最小化，得到下一棵树的样本分布权重，重复步骤S2‑S4，直至达到预设结束条件；S5：基于多轮迭代的样本分布权重投票得到目标分类模型，实现有效处理缺失数据，具有公平性和准确度。