[发明专利]一种模型的处理方法、装置及设备在审
申请号: | 201811241720.1 | 申请日: | 2018-10-24 |
公开(公告)号: | CN109598285A | 公开(公告)日: | 2019-04-09 |
发明(设计)人: | 鲍晟霖;王维强;许辽萨;赵闻飙;袁锦程;易灿 | 申请(专利权)人: | 阿里巴巴集团控股有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京国昊天诚知识产权代理有限公司 11315 | 代理人: | 许振新;朱文杰 |
地址: | 英属开曼群岛大开*** | 国省代码: | 开曼群岛;KY |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标模型 备选 装置及设备 模型融合 筛选条件 模型效果 融合 构建 筛选 | ||
1.一种模型的处理方法,所述方法包括:
获取待融合的目标模型,以及构建所述目标模型的过程中产生的第一备选模型;
从所述第一备选模型中,选取满足预定筛选条件的第二备选模型,所述预定筛选条件用于筛选与所述目标模型进行模型融合的模型;
将选取的所述第二备选模型与所述目标模型进行模型融合,以确定模型效果优于所述目标模型的融合模型。
2.根据权利要求1所述的方法,所述从所述第一备选模型中,选取满足预定筛选条件的第二备选模型,包括:
获取所述第一备选模型的AUC值;
从所述第一备选模型中,选取AUC值大于预定AUC阈值的第一备选模型,将选取的第一备选模型作为满足预定筛选条件的第二备选模型。
3.根据权利要求1所述的方法,所述从所述第一备选模型中,选取满足预定筛选条件的第二备选模型,包括:
根据预定的样本参数构建相应的样本数据;
将所述样本数据分别输入到每个所述第一备选模型中,得到每个所述第一备选模型对应的结果;
将所述结果处于预定置信区间内的第一备选模型作为满足预定筛选条件的第二备选模型。
4.根据权利要求3所述的方法,所述样本参数至少包括方差、协方差、最小值、最大值、偏度和峰度中的一种或多种。
5.根据权利要求4所述的方法,所述根据预定的样本参数构建相应的样本数据,包括:
如果所述第一备选模型的数量超过预定的数量阈值,则根据预定的样本参数构建相应的样本数据。
6.根据权利要求5所述的方法,所述从所述第一备选模型中,选取满足预定筛选条件的第二备选模型,包括:
如果所述第一备选模型的数量未超过预定的数量阈值,则将所述第一备选模型作为满足预定筛选条件的第二备选模型。
7.根据权利要求1所述的方法,所述将选取的所述第二备选模型与所述目标模型进行模型融合之前,所述方法还包括:
获取针对所述目标模型的融合反馈信息,所述融合反馈信息中包括第三备选模型的信息;
根据所述第三备选模型的信息,从预定的参数数据库中获取用于构建所述第三备选模型的目标参数数据;
根据所述目标参数数据构建所述第三备选模型;
所述将选取的所述第二备选模型与所述目标模型进行模型融合,包括
将所述第三备选模型和/或所述第二备选模型与所述目标模型进行模型融合。
8.根据权利要求1-7中任一项所述的方法,所述将选取的所述第二备选模型与所述目标模型进行模型融合,以确定模型效果优于所述目标模型的融合模型,包括:
将选取的所述第二备选模型与所述目标模型进行模型融合,得到融合模型;
对所述融合模型进行验证,得到验证结果;
基于所述验证结果,选取模型效果最优,且优于所述目标模型的融合模型。
9.根据权利要求1所述的方法,所述目标模型为预定业务中在线运行的模型。
10.一种模型的处理装置,所述装置包括:
模型获取模块,用于获取待融合的目标模型,以及构建所述目标模型的过程中产生的第一备选模型;
模型筛选模块,用于从所述第一备选模型中,选取满足预定筛选条件的第二备选模型,所述预定筛选条件用于筛选与所述目标模型进行模型融合的模型;
融合模块,用于将选取的所述第二备选模型与所述目标模型进行模型融合,以确定模型效果优于所述目标模型的融合模型。
11.根据权利要求10所述的装置,所述模型筛选模块,包括:
数值获取单元,用于获取所述第一备选模型的AUC值;
第一模型筛选单元,用于从所述第一备选模型中,选取AUC值大于预定AUC阈值的第一备选模型,将选取的第一备选模型作为满足预定筛选条件的第二备选模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811241720.1/1.html,转载请声明来源钻瓜专利网。