[发明专利]一种模型构建方法、装置、计算机设备及存储介质

说明书

本说明书涉及人工智能技术领域，尤其涉及一种模型构建方法、装置、计算机设备及存储介质。其中模型构建方法包括根据接收到的模型构建请求，确定待优化超参数标识和初始候选区间，将初始候选区间的第一起点值、第一终点值和第一中值分别代入待优化模型，得到多个候选优化模型；利用多个候选优化模型分别针对验证集进行处理，得到目标指标值；基于与第一起点值、第一终点值和第一中值分别对应的目标指标值，确定第一候选区间，利用第一候选区间更新初始候选区间进行迭代，确定满足预设条件的与待优化超参数标识对应的目标超参数数据；以及基于目标超参数数据和待优化模型，构建目标模型。利用本说明书实施例，提高了确定目标超参数数据的效率。

技术领域

本说明书涉及人工智能技术领域，尤其涉及一种模型构建方法、装置、计算机设备及存储介质。

背景技术

在构建模型时，需要设定超参数数据。目前，多采用手动调整超参数数据、网格化搜索、随机搜索和贝叶斯优化法确定超参数数据。在手动调整超参数数据和随机搜索确定超参数数据的过程中，随机性较大，确定的超参数数据不能同时满足高精度和高准确度的要求，同时，若确定满足高准确度要求的超参数数据需要花费的时间较长。在网格化搜索、随机搜索和贝叶斯优化法确定超参数数据时，虽然能满足高精度和高准确度的要求，但是迭代的次数较多，花费的时间较长。

如何在保证高精度和高准确度的情况下，提高目标超参数数据的确定效率，以构建满足要求的模型是现有技术中亟需解决的问题。

发明内容

为解决现有技术中的问题，本说明书实施例提供了一种模型构建方法、装置、计算机设备及存储介质，实现了在保证高精度和高准确度的情况下，提高了目标超参数数据的确定效率，以用于构建满足要求的模型。

为了解决上述技术问题，本说明书的具体技术方案如下：

一方面，本说明书实施例提供了一种模型构建方法，包括，

根据接收到的模型构建请求，确定待优化超参数标识和与所述待优化超参数标识对应的初始候选区间，所述模型构建请求还包括待优化模型；

将所述初始候选区间的第一起点值、第一终点值和第一中值分别代入所述待优化模型，得到多个候选优化模型；

利用所述多个候选优化模型分别针对验证集进行处理，得到目标指标值；

基于与所述第一起点值、所述第一终点值和所述第一中值分别对应的目标指标值，确定第一候选区间；

利用所述第一候选区间更新所述初始候选区间进行迭代，确定满足预设条件的与所述待优化超参数标识对应的目标超参数数据；以及

基于所述目标超参数数据和所述待优化模型，构建目标模型。

进一步，该利用多个所述候选优化模型分别针对验证集进行处理，得到目标指标值进一步包括：

利用每个所述候选优化模型分别针对验证集进行处理，得到多个指标数据；以及

利用权重集合针对所述多个指标数据进行加权处理，确定所述目标指标值。

进一步，该多个指标数据进一步包括目标曲线下的面积，区分数据，提升度数据和基尼系数。

进一步，该利用权重集合针对所述多个指标数据进行加权处理，确定所述目标指标值包括采用以下公式进行处理，

其中，i∈C，所述δ表征所述目标指标值，所述C包括多个指标，每个所述指标与指标数据相对应，所述x表征所述S_i，所述S_i表征所述指标数据，所述W_i表征权重数据，所述权重集合包括多个权重数据，每个所述权重数据分别与指标数据相对应，以及所述sigmoid()表征激活函数。