[发明专利]一种贫困发生率模型的训练方法及装置

说明书

本发明公开了一种贫困发生率模型的训练方法及装置，用以提供一贫困发生率预测模型，从而能够通过该模型实现快速且精准地识别贫困地区。方法包括：获取构建完成的贫困发生率预测模型；获取与贫困发生率相关的多项第一预设数据；在第一预设数据中随机选取第一预设比例的数据为训练集，并随机选取第二预设比例的数据为测试集；通过训练集对贫困发生率预测模型的权重参数进行调整；根据测试集对调整权重参数之后的贫困率预测模型的整体误差进行验证；在贫困预测模型的整体误差小于第一预设误差阈值的情况下，确定预测模型训练完成。采用本申请所提供的方法，能够训练一预测模型，通过预测模型实现快速且精准地识别贫困地区。

技术领域

本发明涉及互联网技术领域，特别涉及一种贫困发生率模型的训练方法及装置。

背景技术

现有技术中，识别贫困调查对象通常是通过收入这一单维度指标去衡量，这样的单指标识别方式所得到的识别结果并不精确，而通过加权贫困距指数法 (FGT法)可以将多维贫困人口从总体人口中识别出来，但其前期数据需求量大，必须依赖于用户建档立卡，并录入至系统之后才能识别，且其仅仅能够识别用户，无法识别贫困地区。因此，如何提供一贫困发生率预测模型，从而能够通过该模型实现快速且精准地识别贫困地区，是一亟待解决的技术问题。

发明内容

本发明提供一种贫困发生率模型的训练方法及装置，用以提供一贫困发生率预测模型，从而能够通过该模型实现快速且精准地识别贫困地区。

本发明提供一种贫困发生率模型的训练方法，包括：

获取构建完成的贫困发生率预测模型；

获取与贫困发生率相关的多项第一预设数据；

在所述第一预设数据中随机选取第一预设比例的数据为训练集，并随机选取第二预设比例的数据为测试集；

通过所述训练集对所述贫困发生率预测模型的权重参数进行调整；

根据所述测试集对调整权重参数之后的贫困率预测模型的整体误差进行验证；

在所述贫困预测模型的整体误差小于第一预设误差阈值的情况下，确定所述预测模型训练完成。

本发明的有益效果在于：能够训练一贫困发生率预测模型，能够基于该模型实现快速识别贫困地区；既能够通过训练集调整贫困发生率预测模型的权重参数，对贫困发生率预测模型进行优化，并且能够通过测试集对贫困发生率的整体误差进行验证，实现了预测模型的二次优化，提升了贫困发生率预测模型的预测精准度，从而能够通过预测模型实现快速且精准地识别贫困地区。

在一个实施例中，还包括：

获取目标区域与贫困发生率相关的多项第二预设数据；

将所述第二预设数据输入至预训练后的贫困发生率预测模型中；

获取所述贫困发生率预测模型的输出端输出的贫困发生率；

根据所述输出端输出的贫困发生率判断所述目标区域是否为贫困区域。

在一个实施例中，所述获取与贫困发生率相关的多项第一预设数据，包括：

获取同一区域内的以下至少一种与贫困发生率相关的原始数据：

坡度数据、年均温数据、植被覆盖指数、灾害发生频率、是否处于生态保护区、年均降雨量、土地资源占有量、距离主干道的距离以及历史贫困发生率；

对所述原始数据进行预处理，以得到与贫困发生率相关的多项第一预设数据。

在一个实施例中，所述对所述原始数据进行预处理，包括：

获取各个原始数据的类型；

根据所述原始数据的类型生成所述原始数据对应的栅格数据。