[发明专利]数据处理方法、装置、设备及存储介质

说明书

本申请实施例提供了一种数据处理方法、装置、设备及存储介质。该方法包括：获取深度学习模型的样本数据；对于至少两个维度的特征数据中的每个维度的特征数据，分别进行规范化处理，得到每个维度的处理后的特征数据；将至少两个维度的处理后的特征数据进行处理，得到深度学习模型的输入数据。在本申请实施例中，通过在对深度学习模型的样本数据中各个维度的特征数据进行规范化处理，使得上述样本数据中的各个维度的特征数据之间的差异尽可能地缩小，后续通过上述规范化处理后的特征数据训练深度学习模型时，可以使深度学习模型收敛的速度得到提升，从而提高深度学习模型的训练效率及精度。

技术领域

本申请实施例涉及机器学习技术领域，特别涉及一种数据处理方法、装置、设备及存储介质。

背景技术

深度学习是机器学习中一种基于对数据进行表征学习的方法。在深度学习的实际应用中，通常需要预先训练出深度学习模型，而后通过该深度学习模型进行后续的预测工作。

训练深度学习模型所采用的样本数据通常包括多个维度的特征数据。示例性地，某一深度学习模型用于对申请信用卡的用户进行信誉评估，训练该深度学习模型所采用的样本数据可以包括申请者的年龄、性别、薪酬、所持信用卡数量、银行账户余额、婚否、子女个数、拥有房产数量等多个维度的特征数据。在训练过程中，先对上述各个维度的特征数据进行整合，之后将整合后得到的数据输入至深度学习模型进行训练。

由于不同维度的特征数据的差异较大，因此采用上述不同维度的特征数据进行模型训练时，模型的收敛速度较慢甚至难以收敛，导致训练深度学习模型的效率及准确率较低。

发明内容

本申请实施例提供了一种数据处理方法、装置、设备及存储介质，可用于解决相关技术中训练深度学习模型的效率和准确率较低的问题。

一方面，本申请实施例提供了一种数据处理方法，所述方法包括：

获取深度学习模型的样本数据，所述样本数据包括至少两个维度的特征数据；

对于所述至少两个维度的特征数据中的每个维度的特征数据，分别进行规范化处理，得到每个维度的处理后的特征数据；其中，所述规范化处理用于缩小所述至少两个维度的特征数据之间的差异；

将所述至少两个维度的所述处理后的特征数据进行整合，得到所述深度学习模型的输入数据。

另一方面，本申请实施例提供了一种数据处理装置，所述装置包括：

数据获取模块，用于获取深度学习模型的样本数据，所述样本数据包括至少两个维度的特征数据；

规范化处理模块，用于对于所述至少两个维度的特征数据中的每个维度的特征数据，分别进行规范化处理，得到每个维度的处理后的特征数据；其中，所述规范化处理用于缩小所述至少两个维度的特征数据之间的差异；

处理模块，用于将所述至少两个维度的所述处理后的特征数据进行处理，得到所述深度学习模型的输入数据。

再一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所述的数据处理方法。

又一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的数据处理方法。

又一方面，提供了一种计算机程序产品，当该计算机程序产品被执行时，其用于执行上述方面所述的数据处理方法。

本申请实施例提供的技术方案带来的有益效果至少包括：