[發明專利]一種時序數據預測的模型創建方法及裝置

有效

• 申請號: 201811599776.4
• 申請日: 2018-12-26
• 公開（公告）號: CN109933834B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 金鑫
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F30/3312
• 分類號: G06F30/3312
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

本說明書提供一種時序數據預測的模型創建方法及裝置，基于待預測的時序數據對應的特征數據對模型庫中的待選模型進行模型訓練，在進行模型訓練時為不同的待選模型分配不同的時間資源，為模型訓練結果比較好的模型提供較多的時間資源，可以加速模型調參，縮短模型訓練的時間。實現了時序數據模型的自動化建立，提高了時序數據預測的模型建立的效率。

技術領域

本說明書屬于計算機技術領域，尤其涉及一種時序數據預測的模型創建方法及裝置。

背景技術

隨著互聯網和計算機技術的發展，通過創建模型進行數據分析、預測等的應用場景越來越多。不同的數據，可能需要創建不同的模型，對于時序數據預測的場景越來越多，比如外匯、流動性等。時序數據的預測通常涉及到的數據比較多，現有技術中，對于時序數據預測的模型創建，通常需要人工參與，往往需要龐大的算法人群，并且許多解決方案可能都無法沉淀。

發明內容

本說明書目的在于提供一種時序數據預測的模型創建方法及裝置，實現了時序數據將預測的模型自動化構建。

一方面本說明書實施例提供了一種時序數據預測的模型創建方法，包括：

根據獲取到的待預測的時序數據生成模型特征；

利用所述模型特征對構建的模型庫中的待選模型進行模型訓練，其中，模型訓練包括：進行多輪模型訓練，根據上一輪模型訓練結果，設置下一輪模型訓練的待選模型的時間資源，模型訓練結果不同的待選模型的時間資源不同；

將模型訓練結果符合預設要求的待選模型，作為所述待預測的時序數據的預測模型。

另一方面，本說明書提供了一種時序數據預測的模型創建裝置，包括：

特征生成模塊，用于根據獲取到的待預測的時序數據生成模型特征；

模型篩選模塊，用于利用所述模型特征對構建的模型庫中的待選模型進行模型訓練，其中，模型訓練包括：進行多輪模型訓練，根據上一輪模型訓練結果，設置下一輪模型訓練的待選模型的時間資源，模型訓練結果不同的待選模型的時間資源不同；

模型確定模塊，用于將模型訓練結果符合預設要求的待選模型，作為所述待預測的時序數據的預測模型。

還一方面，本說明書提供了時序數據預測的模型創建處理設備，包括：至少一個處理器以及用于存儲處理器可執行指令的存儲器，所述處理器執行所述指令時實現本說明書實施例中的時序數據預測的模型創建方法。

再一方面，本說明書提供了一種時序數據預測的模型創建系統，包括至少一個處理器以及用于存儲處理器可執行指令的存儲器，所述處理器執行所述指令時實現本說明書實施例中的時序數據預測的模型創建方法。

本說明書提供的時序數據預測的模型創建方法、裝置、處理設備、系統，基于待預測的時序數據對應的特征數據對模型庫中的待選模型進行模型訓練，在進行模型訓練時為不同的待選模型分配不同的時間資源，為模型訓練結果比較好的模型提供較多的時間資源，可以加速模型調參，縮短模型訓練的時間。實現了時序數據模型的自動化建立，提高了時序數據預測的模型建立的效率。

附圖說明

為了更清楚地說明本說明書實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本說明書中記載的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本說明書一個實施例中時序數據預測的模型創建方法的流程示意圖；

圖2是現有技術中貝葉斯優化法進行參數調優的流程示意圖；

圖3是本說明書實施例中分布式貝葉斯優化法進行參數調優的流程示意圖；