[发明专利]模型训练方法、感染人数预测方法、介质及设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取目标传染病的第一特征数据，所述第一特征数据包括所述目标传染病的多个影响因素集合和感染人数；

根据各所述影响因素集合和所述感染人数构建与各所述影响因素集合对应的感染人数预测模型；

利用所述多个影响因素集合和所述感染人数对各所述感染人数预测模型进行训练，得到非标注数据上方差最小的各所述感染人数预测模型。

2.根据权利要求1所述的模型训练方法，其特征在于，获取目标传染病的第一特征数据之前，所述方法还包括：

获取所述目标传染病的原始特征数据，所述原始特征数据包括所述目标传染病的多个影响因素和所述感染人数；

基于所述多个影响因素和所述感染人数通过启发式搜索方式确定所述多个影响因素集合。

3.根据权利要求2所述的模型训练方法，其特征在于，所述多个影响因素集合至少包括第一影响因素集合和第二影响因素集合；

所述基于所述多个影响因素和所述感染人数通过启发式搜索方式确定所述多个影响因素集合，包括：

构造第一空集和第二空集；

轮询各所述影响因素，计算各所述影响因素、所述感染人数、所述第一空集和所述第二空集之间的关联性；

确定所述关联性满足预设关联条件的目标影响因素，并根据所述目标影响因素更新所述第一空集和所述第二空集，得到所述第一影响因素集合和所述第二影响因素集合。

4.根据权利要求1所述的模型训练方法，其特征在于，所述根据各所述影响因素集合和所述感染人数构建与各所述影响因素集合对应的感染人数预测模型，包括：

根据各所述影响因素集合和所述感染人数之间的对应关系得到各所述影响因素集合对应的标注数据和非标注数据；

根据各所述影响因素集合对应的所述标注数据确定所述标注数据服从的第一高斯分布；

根据各所述影响因素集合对应的所述非标注数据确定所述非标注数据服从的第二高斯分布；

对所述第一高斯分布和所述第二高斯分布进行联合分布计算，得到各所述感染人数预测模型。

5.根据权利要求4所述的模型训练方法，其特征在于，所述根据各所述影响因素集合对应的所述标注数据确定所述标注数据服从的第一高斯分布，包括：

向量化所述标注数据中的各所述影响因素，得到多个影响因素向量；

利用预设的网络模型对任意两个所述影响因素向量进行计算，得到所述标注数据对应的协方差矩阵；

根据预设的均值向量和所述协方差矩阵确定所述第一高斯分布。

6.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述多个影响因素集合和所述感染人数对各所述感染人数预测模型进行训练，得到非标注数据上方差最小的各所述感染人数预测模型，包括：

根据所述多个影响因素集合和所述感染人数之间的对应关系得到所述多个影响因素集合对应的标注数据和非标注数据；

获取所述标注数据对应的感染人数分布和所述非标注数据对应的方差；

根据所述感染人数分布和所述方差构建目标函数；

基于所述目标函数，利用梯度下降算法对各所述感染人数预测模型的模型参数进行迭代更新，当满足预设的迭代终止条件时，得到所述非标注数据上方差最小的各所述感染人数预测模型。

7.根据权利要求1所述的模型训练方法，其特征在于，得到非标注数据上方差最小的各所述感染人数预测模型之后，所述方法还包括：

将所述非标注数据输入各所述感染人数预测模型中，得到多个预测值集合；

利用各所述预测值集合中出现概率大于预设概率阈值的所述预测值更新各所述感染人数预测模型的训练数据集；

利用更新后的所述训练数据集对各所述感染人数预测模型的模型参数进行迭代更新，当满足预设的迭代终止条件时，完成对各所述感染人数预测模型的训练。