[發(fā)明專利]分類模型預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011048539.6
• 申請(qǐng)日: 2020-09-29
• 公開（公告）號(hào): CN112052914A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計(jì)）人: 徐凱路;鐘華劍
• 申請(qǐng)（專利權(quán)）人: 中國(guó)銀行股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F16/951;G06N20/20
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李偉

本申請(qǐng)?zhí)峁┝艘环N分類模型預(yù)測(cè)方法及裝置，該方法包括：獲取待預(yù)測(cè)分類模型和待預(yù)測(cè)分類模型對(duì)應(yīng)的所有分類結(jié)果，依據(jù)各個(gè)分類結(jié)果，從網(wǎng)絡(luò)中抓取數(shù)據(jù)集，數(shù)據(jù)集包括每個(gè)分類結(jié)果各自相關(guān)的多個(gè)樣本數(shù)據(jù)，從數(shù)據(jù)集包含的各個(gè)樣本數(shù)據(jù)中確定多個(gè)目標(biāo)樣本數(shù)據(jù)，依據(jù)待預(yù)測(cè)分類模型和每個(gè)目標(biāo)樣本數(shù)據(jù)，調(diào)用預(yù)設(shè)的接口函數(shù)，得到待預(yù)測(cè)分類模型對(duì)應(yīng)的日志數(shù)據(jù)集，獲取預(yù)設(shè)的多個(gè)模型指標(biāo)，并依據(jù)日志數(shù)據(jù)集，計(jì)算每個(gè)模型指標(biāo)各自對(duì)應(yīng)的指標(biāo)值。可見，本申請(qǐng)?zhí)峁┑募夹g(shù)方案，用于分類模型預(yù)測(cè)的數(shù)據(jù)為通過網(wǎng)絡(luò)爬取得到的樣本數(shù)據(jù)，而不是訓(xùn)練數(shù)據(jù)，從而避免了過擬合現(xiàn)象，且基于多個(gè)模型指標(biāo)實(shí)現(xiàn)對(duì)分類模型預(yù)測(cè)，從而確保分類模型的準(zhǔn)確性和最優(yōu)性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及機(jī)器學(xué)習(xí)領(lǐng)域，尤其涉及一種分類模型預(yù)測(cè)方法及裝置。

背景技術(shù)

隨著信息技術(shù)的發(fā)展，基于機(jī)器學(xué)習(xí)的分類模型越來(lái)越廣泛的應(yīng)用在各個(gè)領(lǐng)域中，例如圖像分類、文本分類、視頻分類等等，有助于提高人們的工作效率及生活質(zhì)量。

目前，在分類模型完成訓(xùn)練后，會(huì)基于分類模型訓(xùn)練時(shí)的訓(xùn)練數(shù)據(jù)，對(duì)完成訓(xùn)練的分類模型進(jìn)行預(yù)測(cè)，在分類模型的預(yù)測(cè)結(jié)果對(duì)應(yīng)的誤差率滿足預(yù)設(shè)條件的情況下，將該分類模型進(jìn)行投產(chǎn)。因?yàn)榉诸惸Ｐ皖A(yù)測(cè)的數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，會(huì)導(dǎo)致出現(xiàn)過擬合的現(xiàn)象，且以單一指標(biāo)作為投產(chǎn)準(zhǔn)入，不足以保證分類模型的準(zhǔn)確性和最優(yōu)性。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N分類模型預(yù)測(cè)方法及裝置，目的在于解決分類模型預(yù)測(cè)的數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，會(huì)導(dǎo)致出現(xiàn)過擬合的現(xiàn)象，且以單一指標(biāo)作為投產(chǎn)準(zhǔn)入，不足以保證分類模型的準(zhǔn)確性和最優(yōu)性的問題。

為了實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝艘韵录夹g(shù)方案：

一種分類模型預(yù)測(cè)方法，包括：

獲取待預(yù)測(cè)分類模型和所述待預(yù)測(cè)分類模型對(duì)應(yīng)的所有分類結(jié)果；

依據(jù)各個(gè)所述分類結(jié)果，從網(wǎng)絡(luò)中抓取數(shù)據(jù)集；所述數(shù)據(jù)集包括每個(gè)所述分類結(jié)果各自相關(guān)的多個(gè)樣本數(shù)據(jù)；

從所述數(shù)據(jù)集包含的各個(gè)樣本數(shù)據(jù)中確定多個(gè)目標(biāo)樣本數(shù)據(jù)；

依據(jù)所述待預(yù)測(cè)分類模型和每個(gè)所述目標(biāo)樣本數(shù)據(jù)，調(diào)用預(yù)設(shè)的接口函數(shù)，得到所述待預(yù)測(cè)分類模型對(duì)應(yīng)的日志數(shù)據(jù)集；

獲取預(yù)設(shè)的多個(gè)模型指標(biāo)，并依據(jù)所述日志數(shù)據(jù)集，計(jì)算每個(gè)所述模型指標(biāo)各自對(duì)應(yīng)的指標(biāo)值。

上述的方法，可選的，所述從所述數(shù)據(jù)集包含的各個(gè)樣本數(shù)據(jù)中確定多個(gè)目標(biāo)樣本數(shù)據(jù)，包括：

對(duì)所述數(shù)據(jù)集中的每個(gè)所述樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)類型標(biāo)注；

依據(jù)數(shù)據(jù)類型標(biāo)注的結(jié)果，對(duì)所述數(shù)據(jù)集進(jìn)行初始樣本數(shù)據(jù)篩選，得到多個(gè)初始樣本數(shù)據(jù)；

對(duì)每個(gè)所述初始樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，得到每個(gè)所述初始樣本數(shù)據(jù)各自對(duì)應(yīng)的目標(biāo)樣本數(shù)據(jù)。

上述的方法，可選的，所述依據(jù)所述待預(yù)測(cè)分類模型和每個(gè)所述目標(biāo)樣本數(shù)據(jù)，調(diào)用預(yù)設(shè)的接口函數(shù)，得到所述待預(yù)測(cè)分類模型對(duì)應(yīng)的日志數(shù)據(jù)集，包括：

調(diào)用預(yù)設(shè)的接口函數(shù)，將每個(gè)所述目標(biāo)樣本數(shù)據(jù)依次輸入至所述待預(yù)測(cè)分類模型中；

獲取所述待預(yù)測(cè)分類模型處理每個(gè)所述目標(biāo)樣本數(shù)據(jù)所產(chǎn)生的日志數(shù)據(jù)；

將各個(gè)所述日志數(shù)據(jù)組成日志數(shù)據(jù)集。

上述的方法，可選的，所述依據(jù)所述日志數(shù)據(jù)集，計(jì)算每個(gè)所述模型指標(biāo)各自對(duì)應(yīng)的指標(biāo)值，包括：

解析所述日志數(shù)據(jù)集中的每個(gè)所述日志數(shù)據(jù)，從各個(gè)日志數(shù)據(jù)中提取每個(gè)所述模型指標(biāo)各自對(duì)應(yīng)的數(shù)據(jù)項(xiàng)；

針對(duì)每個(gè)所述模型指標(biāo)，依據(jù)提取到的所述模型指標(biāo)對(duì)應(yīng)的數(shù)據(jù)項(xiàng)，計(jì)算所述模型指標(biāo)的指標(biāo)值。