[發明專利]一種用于更新參數模型的方法、裝置、產品及介質

在審

• 申請號: 201911070060.X
• 申請日: 2019-11-04
• 公開（公告）號: CN110909884A
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 薛鵬;倪佳鑫;曹友盛
• 申請（專利權）人: 深圳力維智聯技術有限公司;南京中興力維軟件有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 彭家恩;彭愿潔

一種用于更新參數模型的方法、裝置、產品及介質，在機器學習領域中對參數模型的更新提出了一種新方案，首先獲取待更新參數模型，然后根據所述待更新參數模型獲取對應的時間序列預測模型，因為時間序列模型可以挖掘出參數模型參數的一定規律性，因而可以基于在過去的某時間段期間采集到的歷史測量值來預測未來數據的變化，由此可以根據預測未來數據來對參數模型更新，獲取待更新參數模型對應的時間序列預測模型，然后根據所述時間序列預測模型對所述待更新參數模型進行更新，實現機器學習中對參數模型的更新。

技術領域

本發明涉及機器學習技術領域，具體涉及一種用于更新參數模型的方法、裝置、產品及介質。

背景技術

在機器學習領域，包括參數模型與非參數模型，參數模型的機器學習算法可以簡化成一個已知的函數形式，參數模型一般包括兩種步驟：步驟一：選擇一種目標函數的形式；步驟二：從訓練數據中學習目標函數的系數。參數模型基于其可以很快從數據中學習，且不需要太多的訓練數據，甚至可以很好地擬合有缺陷的數據，為此其在機器學習技術領域中較為常用。

在機器學習中，建好的參數模型要更新一直是一個難題，因為模型一旦訓練好，模型的各個參數就固定，其不會隨著時間變化而變化，而隨著時間的推移，原有參數模型會逐漸不能適應新的數據，從而需要用新產生的業務數據重新訓練參數模型，對參數模型進行更新，將更新后的參數模型重新部署到業務系統中，這種更新具有一定的滯后性，且花費成本大。

發明內容

本發明主要解決的技術問題是如何自動更新參數模型。

根據第一方面，一種實施例中提供一種用于更新參數模型的方法，所述參數模型由結構化表達式和參數集構成，包括：

獲取待更新參數模型；

根據所述待更新參數模型獲取對應的時間序列預測模型；

根據所述時間序列預測模型對所述待更新參數模型進行更新。

在其中一種可能實現方式中，所述根據所述待更新的參數模型獲取對應的時間序列預測模型包括：

對所述待更新參數模型的參數進行時間序列建模，得到所述時間序列預測模型。

在其中一種可能實現方式中，所述對所述待更新參數模型的參數進行時間序列建模，得到所述時間序列預測模型包括：

獲取所述待更新參數模型的各個參數；

對各個所述參數進行時間序列建模，得到各個參數對應的所述時間序列預測模型。

在其中一種可能實現方式中，所述根據所述時間序列預測模型對所述待更新參數模型進行更新包括：

針對每一參數，根據該參數對應的時間序列預測模型對該參數進行預測更新；

獲取各個預測更新后的參數；

根據各個預測更新后的參數對所述待更新參數模型的參數進行更新。

在其中一種可能實現方式中，還包括：

檢測到發生預設的更新事件，發出參數模型更新通知。

在其中一種可能實現方式中，還包括：

在對待更新參數模型更新后，獲取新的參數模型；

利用所述新的參數模型對新的預測數據進行預測，輸出預測結果。

在其中一種可能實現方式中，所述參數模型包括：邏輯回歸模型、線性判別分析模型、感知機、樸素貝葉斯分類器和/或小型神經網絡。

根據第二方面，一種實施例中提供一種用于更新參數模型裝置，所述參數模型由結構化表達式和參數集構成，包括：