[发明专利]机器学习模型的训练数据处理方法、装置和计算机设备

权利要求书

1.一种机器学习模型的训练数据处理方法，其特征在于，包括以下步骤：

获取更新后的机器学习模型的训练数据的特征参数集合；其中，所述特征参数集合包括多个备选的特征参数，所述特征参数包括以下任意一项或组合：直播间的布置主题、主播的直播项目、直播时间段以及主播的类型；

根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围；

在所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练，包括：根据特征参数的类型确定所述特征参数的颗粒度，确定所述特征参数的范围内的相邻两次获取的特征参数的间隔，根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数；

获取所述机器学习模型的输出结果，计算所述输出结果的AUC值，根据所述AUC值从所述特征参数集合中选择目标特征参数作为训练数据，通过训练后的机器学习模型对观众于直播间的在线时间的影响因素进行检测；

所述根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数的步骤，包括：

所述机器学习模型的训练需要多个特征参数进行训练时，所述特征参数包括是离散型的特征数量；

根据对应特征数量，依次从所述特征参数集合中获取的特征参数的所有组合，并逐一输入所述机器学习模型进行训练。

2.根据权利要求1所述的方法，其特征在于，

所述获取更新后的机器学习模型的训练数据的特征参数集合的步骤，包括：

获取所述机器学习模型的训练数据的新增或修改的特征参数，对特征参数集合进行更新。

3.根据权利要求2所述的方法，其特征在于，

所述根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围的步骤，包括：

根据所述机器学习模型的类型，确认新增或修改的特征参数的取值特征；

根据所述新增或修改的特征参数的取值特征，确定需要选择的所述特征参数的范围。

4.根据权利要求2所述的方法，其特征在于，

所述根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数的步骤，包括：

当所述机器学习模型的训练数据新增或修改的特征参数为连续的特征参数，在所述特征参数的范围内，根据特征参数的间隔依次获取每个特征参数；

将每个特征参数输入所述机器学习模型进行训练。

5.一种机器学习模型的训练数据处理装置，其特征在于，包括：

获取模块，用于获取更新后的机器学习模型的训练数据的特征参数集合；其中，所述特征参数集合包括多个备选的特征参数，所述特征参数包括以下任意一项或组合：直播间的布置主题、主播的直播项目、直播时间段以及主播的类型；

范围确定模块，用于根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围；

训练模块，用于在所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练，包括：根据特征参数的类型确定所述特征参数的颗粒度，确定所述特征参数的范围内的相邻两次获取的特征参数的间隔，根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数；

所述根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数的步骤，包括：

所述机器学习模型的训练需要多个特征参数进行训练时，所述特征参数包括是离散型的特征数量；

根据对应特征数量，依次从所述特征参数集合中获取的特征参数的所有组合，并逐一输入所述机器学习模型进行训练；

选择模块，用于获取所述机器学习模型的输出结果，计算所述输出结果的AUC值，根据所述AUC值从所述特征参数集合中选择目标特征参数作为训练数据，通过训练后的机器学习模型对观众于直播间的在线时间的影响因素进行检测。