[發明專利]模型復用方法、裝置、設備及存儲介質

在審

• 申請號: 202010095677.3
• 申請日: 2020-02-14
• 公開（公告）號: CN111324608A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 林冰垠;范濤;黃啟軍;張潮宇;陳天健
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06K9/62;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王韜

本發明公開了一種模型復用方法、裝置、設備及存儲介質，該方法包括：接收待復用模型和目標數據表，并獲取模型復用方式；運行所述待復用模型，由所述待復用模型基于所述模型復用方式對所述目標數據表進行處理；運行成功后獲得處理結果，并輸出所述處理結果。由此，通過模型復用，增強了復用模型與原模型的聯系、提高了同步性和模型復用效率。

技術領域

本發明涉及機器學習技術領域，尤其涉及一種模型復用方法、裝置、設備及存儲介質。

背景技術

隨著計算機技術的發展，越來越多的技術(大數據、分布式、區塊鏈Blockchain、人工智能等)應用在金融領域，傳統金融業正在逐步向金融科技(Fintech)轉變，但由于金融行業的安全性、實時性要求，也對技術提出了更高的要求。

在機器學習建模過程中，經常有需要進行模型復用的場景。但是，當前卻缺乏模型復用的方法，只能新建一個字段、參數與原模型一致的模型副本，再將新的數據表引入模型副本，由此運行得到結果。該模型副本與原模型沒有強聯系，并且若原模型有調整，則需要重新建立或調整模型副本。因此，模型復用的難以與原模型同步，復用效率不高。

發明內容

本發明提供一種模型復用方法、裝置、設備及存儲介質，旨在增強復用模型與原模型的聯系、提高同步性和模型復用效率。

為實現上述目的，本發明提供一種模型復用方法，所述方法包括：

接收待復用模型和目標數據表，并獲取模型復用方式；

運行所述待復用模型，由所述待復用模型基于所述模型復用方式對所述目標數據表進行處理；

運行成功后獲得處理結果，并輸出所述處理結果。

優選地，所述模型復用方式包括同組件模型傳遞和同組件模型預測，

所述由所述待復用模型基于所述模型復用方式對所述目標數據表進行處理的步驟包括：

若所述模型復用方式為同組件模型傳遞，則根據所述待復用模型的字段和參數對所述目標數據表進行處理；

若所述模型復用方式為同組件模型預測，則由所述待復用模型根據內置算法對所述目標數據表進行預測。

優選地，所述模型復用方式包括組件間預測和組件間交叉驗證，

所述由所述待復用模型基于所述模型復用方式對所述目標數據表進行處理的步驟包括：

若所述模型復用方式為組件間預測，則由所述待復用模型根據內置算法對所述目標數據表進行預測；

若所述模型復用方式為組件間交叉驗證，則由所述待復用模型根據內置驗證參數以及自定義驗證參數對所述目標數據表進行交叉驗證。

優選地，所述接收待復用模型和目標數據表的步驟之前還包括：

設置數據輸入端口和模型輸入端口；

通過所述模型輸入端口輸入所述待復用模型，并通過所述數據輸入端口輸入所述目標數據表。

優選地，所述通過所述模型輸入端口輸入待復用模型，并通過所述數據表輸入端口輸入目標數據表的步驟之前還包括：

對第一數據表進行訓練和/或處理，獲得所述待復用模型。

優選地，所述通過所述模型輸入端口輸入待復用模型，并通過所述數據表輸入端口輸入目標數據表的步驟之前還包括：

根據拆分工具對初始數據表進行拆分，獲得所述目標數據表。

優選地，所述拆分工具包括數據表輸入端口和目標數據表輸出端口，所述根據拆分工具對初始數據表進行拆分，獲得所述目標數據表的步驟包括：