[發明專利]一種模型訓練方法及裝置，電子設備

在審

• 申請號: 201711308334.5
• 申請日: 2017-12-11
• 公開（公告）號: CN108280462A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 王子偉
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種模型訓練方法，其特征在于，包括：

根據訓練樣本，獲得至少一份子訓練樣本；

根據每份所述子訓練樣本，分別訓練與每份所述子訓練樣本對應的多個機器學習模型，并獲取相應機器學習模型對所述每份子訓練樣本的預測值；

根據所述預測值，確定融合訓練樣本；

根據所述融合訓練樣本，訓練目標機器學習模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述融合訓練樣本，訓練目標機器學習模型的步驟，包括：

根據融合訓練樣本，獲得至少一份子融合訓練樣本；

將每份所述子融合訓練樣本分別作為多個融合機器學習模型的輸入，訓練所述每份子融合訓練樣本對應的所述多個融合機器學習模型，并獲取相應融合機器學習模型對所述每份子融合訓練樣本的預測值；

根據所述子融合訓練樣本的預測值，確定目標訓練樣本；

根據所述目標訓練樣本，訓練目標機器學習模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述子融合訓練樣本的預測值，確定目標訓練樣本的步驟之前，還包括：

若訓練融合機器學習模型的次數小于預設值，則重復執行根據融合訓練樣本，獲得至少一份子融合訓練樣本，和將每份所述子融合訓練樣本分別作為多個融合機器學習模型的輸入，訓練所述每份子融合訓練樣本對應的所述多個融合機器學習模型，并獲取相應融合機器學習模型對所述每份子融合訓練樣本的預測值的步驟，以執行迭代訓練；

若迭代訓練融合機器學習模型的次數大于或等于預設值，則轉入根據所述子融合訓練樣本的預測值，確定目標訓練樣本的步驟。

4.根據權利要求1至3任一項所述的方法，其特征在于，根據每份所述子訓練樣本，分別訓練與每份所述子訓練樣本對應的多個機器學習模型，并獲取相應機器學習模型對所述每份子訓練樣本的預測值的步驟，包括：

將每份所述子訓練樣本分別作為多個機器學習模型的輸入，通過K-折交叉驗證法訓練所述每份子訓練樣本對應的所述多個機器學習模型，并獲取相應機器學習模型對所述每份子訓練樣本的預測值。

5.根據權利要求1至3任一項所述的方法，其特征在于，所述根據所述預測值，確定融合訓練樣本的步驟，包括：

對于每條訓練樣本，將各機器學習模型對所述訓練樣本的預測值作為所述訓練樣本相應維度的特征值，得到該條訓練樣本對應的一條融合訓練樣本。

6.根據權利要求1至3任一項所述的方法，其特征在于，所述根據訓練樣本，，獲得至少一份子訓練樣本的步驟，包括：

對訓練樣本進行隨機采樣，得到至少一份子訓練樣本；

對每份子訓練樣本進行特征采樣。

7.根據權利要求1至3任一項所述的方法，其特征在于，所述多個機器學習模型為不同類型的機器學習模型。

8.一種模型訓練裝置，其特征在于，包括：

采樣模塊，用于根據訓練樣本，獲得至少一份子訓練樣本；

單模型訓練和預測模塊，用于根據每份所述子訓練樣本，分別訓練與每份所述子訓練樣本對應的多個機器學習模型，并獲取相應機器學習模型對所述每份子訓練樣本的預測值；

樣本特征融合模塊，用于根據所述預測值，確定融合訓練樣本；

目標機器模型訓練模塊，用于根據所述樣本特征融合模塊確定的融合訓練樣本，訓練目標機器學習模型。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7任意一項所述的模型訓練方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1至7任意一項所述的模型訓練方法的步驟。