[发明专利]一种在机器学习中调整模型参数的方法及装置在审
| 申请号： | 201910588359.8 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110298448A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 龚俊衡;徐莹 | 申请（专利权）人： | 成都品果科技有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 成都高远知识产权代理事务所(普通合伙) 51222 | 代理人： | 曾克;施磊 |
| 地址： | 610000 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 网络模型 模型参数 机器学习 数据标签 数据类型 损失函数 模型参数训练 参数调整 策略选取 工作效率 循环执行 训练步骤 奖励 收敛 查找 更新 优化 | ||
1.一种在机器学习中调整模型参数的方法，其特征在于，包括：
S1：获取输入数据；所述输入数据中包括数据标签；
S2：判断所述数据标签的数据类型；
S3：根据所述数据类型，选取待训练的网络模型，并选取用于优化所述网络模型的损失函数；
S4：根据当前策略选取所述网络模型的模型参数；
S5：采用所述模型参数训练所述网络模型，并根据所述损失函数计算损失值；将所述损失值作为当前策略的奖励；
S6：根据所述奖励更新当前策略，并循环执行步骤S4～S5，直至当前策略收敛。
2.根据权利要求1所述的在机器学习中调整模型参数的方法，其特征在于，所述数据类型包括：连续型，类别型；
当所述数据类型为连续型时，所述待训练的网络模型为回归网络模型，所述损失函数为回归损失函数；
当所述数据类型为类别型时，所述待训练的网络模型为分类网络模型，所述损失函数为分类损失函数。
3.根据权利要求1所述的在机器学习中调整模型参数的方法，其特征在于，判断所述当前策略收敛的方法包括：
在循环执行步骤S4～S5的过程中，相邻两次所述奖励不变。
4.一种在机器学习中调整模型参数的装置，其特征在于，包括：
获取单元，用于获取输入数据；所述输入数据中包括数据标签；
判断单元，用于判断所述数据标签的数据类型；
第一选取单元，用于根据所述数据类型，选取待训练的网络模型，并选取用于优化所述网络模型的损失函数；
第二选取单元，用于根据当前策略选取所述网络模型的模型参数；
模型训练单元，用于采用所述模型参数训练所述网络模型，并根据所述损失函数计算损失值；将所述损失值作为当前策略的奖励；
更新单元，用于根据所述奖励更新当前策略；
所述更新单元、所述第二选取单元、所述模型训练单元依次循环地进行参数传递，直至当前策略收敛。
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成都品果科技有限公司，未经成都品果科技有限公司许可，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/201910588359.8/1.html，转载请声明来源钻瓜专利网。
