[发明专利]学习模型优化与选择方法、电子装置及计算机设备

摘要

本发明公开了一种学习模型优化与选择方法，包括：计算收集的脱敏数据以生成多个质检模型并进行预测而得到质检结果并进行复核；将复核后的质检结果作为验证集并加入训练以计算准确率与召回率；当准确率与召回率达到阈值时，保存多个质检模型并将学习率减去固定值，使多个质检模型在特定参数范围内调整；当准确率大于阈值时，或者当准确率不大于阈值且召回率大于阈值，将学习率减去固定值；及当准确率与召回率皆不大于阈值，将学习率调回初始值。本发明提供的学习模型优化与选择方法与电子装置使模型训练人员更加直观的了解模型可能的效果，而参数调优方法使得模型能够比较快速的得到较为准确、稳定的中间模型，从而使得项目能够快速投产。

主权项

1.一种学习模型优化与选择方法，应用于电子装置中，其特征在于，所述方法包括步骤：在训练模型时，在生产数据中收集固定时间周期内的脱敏数据；通过多个算法对所述脱敏数据进行计算以生成多个不同类型的质检模型；利用所述多个质检模型进行预测，可得到所述多个质检模型的多个质检结果，并对所述多个质检结果复核；将复核后的所述多个质检结果作为验证集，并将所述验证集加入训练中，每步完成后进行验证，以计算准确率与召回率；设置所述准确率的阈值A与所述召回率的阈值B，并从学习率的初始值始训练；当所述准确率达到所述阈值A与所述召回率达到所述阈值B时，则保存所述多个质检模型并将所述学习率减去固定值，使所述多个质检模型在特定参数范围内调整；判断所述准确率是否小于所述阈值A和所述召回率是否小于所述阈值B；当所述准确率大于所述阈值A时，或者当所述准确率不大于所述阈值A且所述召回率大于所述阈值B，则将所述学习率减去所述固定值；及当所述准确率不大于所述阈值A且所述召回率不大于所述阈值B，则将所述学习率调回所述初始值。