[發明專利]模型融合方法、預測方法、裝置、設備及存儲介質

在審

• 申請號: 202011416145.1
• 申請日: 2020-12-04
• 公開（公告）號: CN112418341A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 付金偉
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超成律師事務所 11646
• 代理人: 裴素英

本發明提供一種模型融合方法、預測方法、裝置、設備及存儲介質，涉及數據處理技術領域。該方法包括：獲取多個預測模型；采用每個預測模型對目標樣本數據進行預測，得到每個預測模型的樣本預測值；根據每個預測模型的樣本預測值、以及目標樣本數據對應的標準預測值，確定每個預測模型的預測誤差；根據每個預測模型的預測誤差，以及多個預測模型的預測誤差，計算每個預測模型的權重；多個預測模型的權重分別為對混合應用場景中的輸入數據進行預測的過程中，多個預測模型對輸入數據的預測權重。使得基于多個預測模型的預測更加穩定，可以結合各預測模型的權重輸出預測結果，提高對于輸入數據的處理效果，使得預測結果更加準確。

技術領域

本發明涉及數據處理技術領域，具體而言，涉及一種模型融合方法、預測方法、裝置、設備及存儲介質。

背景技術

隨著人工智能技術取得進展之后，對于大數據下的機器學習也成為了研究熱點。在機器學習的過程中會使用到樣本數據，通常需要采用多種模型對樣本數據進行處理，不同的模型往往都存在不同的適用場景，不存在一個模型，在所有情況下都勝過其他的模型。因此，對多種模型組合形成一個算法框架，采用算法框架充分利用不同模型的優勢對樣本數據進行處理也變得越來越重要。

相關技術中，在對多種模型進行融合時，采用平均法對多種模型進行融合。在融合過程中，分類時采用一個模型一票的投票方式，回歸時使用多個模型的平均值。

但是，相關技術中，采用平均法對多種模型進行融合，容易出現融合后的多個模型預測不穩定，導致融合的多個模型對輸入數據處理效果較差的問題。

發明內容

本發明的目的在于，針對上述現有技術中的不足，提供一種模型融合方法、預測方法、裝置、設備及存儲介質，以便解決相關技術中，采用平均法對多種模型進行融合，容易出現融合后的多個模型預測不穩定，導致融合的多個模型對輸入數據處理效果較差的問題。

為實現上述目的，本發明實施例采用的技術方案如下：

第一方面，本發明實施例提供了一種預測模型的融合方法，包括：

獲取多個預測模型，所述多個預測模型分別為根據多個應用場景下的預設預測需求的樣本數據訓練的具有多個不同分類算法的預測模型；

采用每個預測模型對目標樣本數據進行預測，得到所述每個預測模型的樣本預測值，所述目標樣本數據為所述每個預測模型對應的應用場景下所述預設預測需求的樣本數據；

根據所述每個預測模型的樣本預測值、以及所述目標樣本數據對應的標準預測值，確定所述每個預測模型的預測誤差；

根據所述每個預測模型的預測誤差，以及所述多個預測模型的預測誤差，計算所述每個預測模型的權重；所述多個預測模型的權重分別為對混合應用場景中的輸入數據進行預測的過程中，所述多個預測模型對所述輸入數據的預測權重。

可選的，所述樣本預測值包括：所述每個預測模型對所述目標樣本數據中多個樣本數據進行預測的多個預測值；所述根據所述每個預測模型的樣本預測值、以及所述樣本數據對應的標準預測值，確定所述每個預測模型的預測誤差，包括：

根據所述多個預測值，和所述多個樣本數據對應的多個標準預測值，分別計算所述多個樣本數據對應的多個預測誤差；

根據所述多個預測誤差，計算所述每個預測模型的預測誤差。

可選的，所述根據所述多個預測誤差，計算所述每個預測模型的預測誤差，包括：

根據每個預測誤差和對應的樣本預測值，計算所述每個樣本數據對應的相對預測誤差；

根據所述多個樣本數據的相對誤差的平均值，計算所述每個預測模型的預測誤差。