[发明专利]机器学习模型的透视分析方法

摘要

本发明提供了一种机器学习模型的透视分析方法，包括收集用户反馈的错误数据并抽取基本信息，抽取反馈数据中的相关信息生成特征空间向量；计算查询结果的分数，使用原始模型以及子模型对用户查询结果进行学习分类，得到分类结果即评价分数；对于每个用户查询，计算查询结果的nDCG值，根据机器学习模型训练结果可得到实际排序，根据查询结果与用户查询可得到理想排序。本发明提供的机器学习模型的透视分析方法，对学习模型内部的子模型进行分析，过滤分类结果较差的子模型，选择分类结果比较好的子模型，并对选择的子模型进行重组，生成一个新的学习模型，产生的新的学习模型具有更高的预测准确率。

主权项

一种机器学习模型的透视分析方法，其特征在于所述方法包括以下步骤：步骤一、收集用户反馈的错误数据并抽取基本信息，抽取反馈数据中的相关信息生成特征空间向量；步骤二、计算查询结果的分数，使用原始模型以及子模型对用户查询结果进行学习分类，得到分类结果即评价分数；步骤三、对于每个用户查询，计算查询结果的nDCG值，根据机器学习模型训练结果可得到实际排序，根据查询结果与用户查询可得到理想排序，由实际排序和理想排序即刻得到该用户查询的nDCG的值；步骤四、聚类，根据nDCG值变化趋势，获得每个查询的最优子模型，并根据子模型的相似度对用户查询进行聚类；步骤五、抽取属性，分析每个类中的所有成员信息，并抽取某些属性作为这个类的特征空间向量；步骤六、学习未知的用户查询，当给定一个未知的用户查询，分析其属性，并将该用户查询进行分类，从而得到该用户查询在进行学习时，对应的最优子模型。