[發(fā)明專利]一種模型自動更新方法、裝置、系統(tǒng)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202110193968.0
• 申請日: 2021-02-20
• 公開（公告）號: CN113011596A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計）人: 劉珊珊;韋云健
• 申請（專利權(quán)）人: 陽光保險集團股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 武慧南

本申請公開了一種模型自動更新方法、裝置、系統(tǒng)及電子設(shè)備，該方法包括：基于第一預(yù)定時間段內(nèi)的第一時序數(shù)據(jù)的多個初始特征，構(gòu)建初始模型；判斷所構(gòu)建的初始模型的模型評價指標(biāo)是否滿足預(yù)定要求；如果初始模型的模型評價指標(biāo)滿足預(yù)定要求，則獲取第二預(yù)定時間段內(nèi)的第二時序數(shù)據(jù)；確定所獲取的第二時序數(shù)據(jù)的多個更新特征；基于多個更新特征對初始模型進行更新。通過采用上述模型自動更新方法、裝置、系統(tǒng)及電子設(shè)備，解決了在時間跨度較長的情況下，因特征分布發(fā)生變化而導(dǎo)致模型預(yù)測準(zhǔn)確度降低的問題。

技術(shù)領(lǐng)域

本申請涉及大數(shù)據(jù)技術(shù)領(lǐng)域，尤其是涉及一種模型自動更新方法、裝置、系統(tǒng)及電子設(shè)備。

背景技術(shù)

隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，機器學(xué)習(xí)模型已經(jīng)被廣泛應(yīng)用于各行業(yè)中。全面了解數(shù)據(jù)的概況以及探查各個變量的特征是構(gòu)建機器學(xué)習(xí)模型的重要環(huán)節(jié)，在機器學(xué)習(xí)任務(wù)中特征的選取通常決定了模型效果的上限，好的特征選擇，不僅能夠防止維度災(zāi)難、減少訓(xùn)練時間，更能夠增強模型泛化能力，減少過擬合。因此，優(yōu)化特征變量的選擇對構(gòu)建機器學(xué)習(xí)模型具有重要的意義。在很多業(yè)務(wù)場景中，由于機器學(xué)習(xí)模型所使用的數(shù)據(jù)量有限，因此通常需要選取時間跨度在兩年以上的數(shù)據(jù)。然而隨著時間的推移，新的樣本數(shù)據(jù)與構(gòu)建模型時所使用的樣本數(shù)據(jù)相比發(fā)生了較大的變化，這導(dǎo)致了模型預(yù)測效果會逐漸變差，因此需要定期更新模型。現(xiàn)有技術(shù)中，通常采用將新選取的樣本數(shù)據(jù)直接輸入到模型的方式更新模型。

上述現(xiàn)有的模型更新方法中，更新后的模型仍采用構(gòu)建模型時所使用的特征變量，但構(gòu)建模型時所使用的特征變量已不適用于新的樣本數(shù)據(jù)，這就導(dǎo)致了更新后的模型預(yù)測結(jié)果不準(zhǔn)確的問題。

發(fā)明內(nèi)容

有鑒于此，本申請?zhí)峁┮环N模型自動更新方法、裝置、系統(tǒng)及電子設(shè)備，其目的是為在對模型進行更新時，選取適用于新樣本數(shù)據(jù)的特征變量，避免了因特征變量不適用于新樣本數(shù)據(jù)，而導(dǎo)致更新后的模型預(yù)測結(jié)果不準(zhǔn)確的問題。

第一方面，本申請實施例提供了一種模型自動更新方法，包括：

基于第一預(yù)定時間段內(nèi)的第一時序數(shù)據(jù)的多個初始特征，構(gòu)建初始模型；

判斷所構(gòu)建的初始模型的模型評價指標(biāo)是否滿足預(yù)定要求；

如果初始模型的模型評價指標(biāo)滿足預(yù)定要求，則獲取第二預(yù)定時間段內(nèi)的第二時序數(shù)據(jù)；

確定所獲取的第二時序數(shù)據(jù)的多個更新特征；

基于多個更新特征對初始模型進行更新。

可選地，確定所獲取的第二時序數(shù)據(jù)的多個更新特征，可包括：(A)確定第二預(yù)定時間段內(nèi)的多個預(yù)設(shè)時間點；(B)針對每個預(yù)設(shè)時間點，確定與該預(yù)設(shè)時間點對應(yīng)的樣本集，其中，樣本集包括將第二時序數(shù)據(jù)按照該預(yù)設(shè)時間點劃分所得到的處于該預(yù)設(shè)時間點之前的訓(xùn)練數(shù)據(jù)和處于該預(yù)設(shè)時間點之后的測試數(shù)據(jù)；(C)確定第二時序數(shù)據(jù)的多個候選特征組，每個候選特征組中包括至少一個候選特征；(D)針對每個候選特征組，利用所確定的樣本集構(gòu)建針對該候選特征的多個分類器；(E)針對每個候選特征組，確定該候選特征組在每個分類器下的特征評估指標(biāo)；(F)基于所確定的特征評估指標(biāo)，從多個候選特征組中確定出多個更新特征。

可選地，基于所確定的特征評估指標(biāo)，從多個候選特征組中確定出多個更新特征，可包括：(F1)針對每個候選特征組，確定該候選特征組在每個分類器下的特征評估指標(biāo)的統(tǒng)計值；(F2)基于全部的候選特征組對應(yīng)的統(tǒng)計值，從全部的候選特征組中選擇出目標(biāo)候選特征組；(F3)確定目標(biāo)候選特征組中的候選特征的數(shù)量是否達到預(yù)定數(shù)值；(F4)如果目標(biāo)候選特征組中的候選特征的數(shù)量沒有達到預(yù)定數(shù)值，則基于目標(biāo)候選特征組中的候選特征構(gòu)建新候選特征組，用所構(gòu)建的新候選特征組更新候選特征組，并返回執(zhí)行步驟(D)；(F5)如果目標(biāo)候選特征組中的候選特征的數(shù)量達到預(yù)定數(shù)值，則將目標(biāo)候選特征組中的候選特征確定為多個更新特征。