[发明专利]数据模型选择优化方法、装置、计算机装置及存储介质

权利要求书

1.一种数据模型选择优化方法，其特征在于，所述方法包括：

获取数据信息，根据所述数据信息选取至少两个数据模型；

使用所述数据信息对所述至少两个数据模型分别进行训练；

获取所述至少两个数据模型的准确率，确定准确率最高的数据模型；

选择所述准确率最高的数据模型并进行优化。

2.如权利要求1所述的数据模型选择优化方法，其特征在于，优化所述准确率最高的数据模型方法包括：按照预设比例在数据模型中删减每层神经元的数量。

3.如权利要求1所述的数据模型选择优化方法，其特征在于，使用所述数据信息对所述至少两个数据模型分别进行训练的步骤包括：

将所述数据信息分为训练集和验证集；

选择第一数据模型，利用所述训练集对所述第一数据模型进行训练；

利用所述验证集对训练后的第一数据模型进行验证，根据验证结果得到第一数据模型的准确率；

选择第二数据模型，利用所述训练集对所述第二数据模型进行训练；

利用所述验证集对训练后的第二数据模型进行验证，并根据验证结果得到第二数据模型的准确率。

4.如权利要求1所述的数据模型选择优化方法，其特征在于，所述方法还包括：

判断优化后的数据模型的准确率是否大于优化前的数据模型的准确率；

若大于，则将优化后的数据模型进行输出；

若不大于，则对优化后的数据模型进行第二次优化。

5.如权利要求4所述的数据模型选择优化方法，其特征在于，所述对优化后的数据模型进行第二次优化的步骤包括：

获取优化后的数据模型中每一层神经元之间连接的权重；

判断每一层神经元之间连接的权重是否符合高斯分布；

若符合，则保留这一层神经元；

若不符合，则对权重不符合高斯分布的一层神经元进行调整。

6.如权利要求5所述的数据模型选择优化方法，其特征在于，所述对权重不符合高斯分布的一层神经元进行调整的步骤包括：

查找权重不符合高斯分布的这一层神经元对应的数据模型所在层数；

在未经过优化的数据模型中，获取所述层数中的神经元之间的权重；

按照所述权重对神经元进行排序，并按照预设比例删除权重小的神经元。

7.如权利要求6所述的数据模型选择优化方法，其特征在于，所述步骤还包括：

获取验证集的数据信息；

利用所述验证集对第二次优化后的数据模型进行验证，并根据验证结果得到优化后的数据模型的准确率；

判断第二次优化后数据模型的准确率是否大于第一次优化前数据模型的准确率；

若第二次优化后的数据模型的准确率大于第一次优化前的数据模型的准确率，则输出第二次优化后的数据模型；

若第二次优化后的数据模型的准确率不大于第一次优化前的数据模型的准确率，则按照第二次优化的步骤进行第三次优化。

8.一种数据模型选择优化装置，其特征在于，所述装置包括：

选取模块，用于获取数据信息，根据所述数据信息选取至少两个数据模型；

训练模块，用于使用所述数据信息对所述至少两个数据模型分别进行训练；

查找模块，用于获取所述至少两个数据模型的准确率，确定准确率最高的数据模型；

优化模块，用于选择所述准确率最高的数据模型并进行优化。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的数据模型选择优化方法。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的数据模型选择优化方法。