[发明专利]机器学习模型训练方法和装置

摘要

本发明涉及一种机器学习模型训练方法和装置，包括：获取在本轮清洗脏样本数据前已有纯净样本数据；根据已有纯净样本数据和机器学习模型的当前模型参数，确定该模型的损失函数的第一二阶平均梯度；根据本轮从脏样本数据中取部分脏样本数据清洗后得到的纯净样本数据和当前模型参数，确定损失函数的第二二阶平均梯度；根据第一二阶平均梯度和第二二阶平均梯度，获得损失函数的整体二阶平均梯度；根据整体二阶平均梯度调整当前模型参数；若调整后的模型参数不满足训练结束条件，将下一轮作为本轮，返回获取在本轮清洗脏样本数据前已有纯净样本数据的步骤继续训练，直至满足训练结束条件。减少了迭代更新的次数，进而减少了迭代更新对机器资源的损耗。

主权项

1.一种机器学习模型训练方法，包括：获取在本轮清洗脏样本数据前已有的纯净样本数据；根据所述已有的纯净样本数据和机器学习模型的当前模型参数，确定所述机器学习模型的损失函数的第一二阶平均梯度；获取本轮从脏样本数据中取部分脏样本数据清洗后得到的纯净样本数据；根据本轮清洗得到的所述纯净样本数据和所述当前模型参数，确定所述损失函数的第二二阶平均梯度；根据所述第一二阶平均梯度和所述第二二阶平均梯度，获得所述损失函数的整体二阶平均梯度；根据所述整体二阶平均梯度调整所述当前模型参数；当调整后的模型参数不满足训练结束条件时，将下一轮作为本轮，返回所述获取在本轮清洗脏样本数据前已有的纯净样本数据的步骤以继续训练，直至调整后的模型参数满足训练结束条件。