[發明專利]一種基于機器學習的參數優化方法、裝置、設備及介質

有效

• 申請號: 202110694884.5
• 申請日: 2021-06-23
• 公開（公告）號: CN113343577B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 張焱凱;吳夢穎;張景逸
• 申請（專利權）人: 平安國際融資租賃有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00;G06F111/06
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 黃勝波

1.一種基于機器學習的參數優化方法，其特征在于，包括：

輪詢平臺系統的業務信息的反饋信息，識別流量值符合預置的平衡策略的反饋信息，并將所述反饋信息所對應的業務信息設為目標對象；

獲取目標對象的目標參數和反饋信息，將所述目標參數的值及在所述值下的反饋信息的流量值整合成歷史散點，匯總所述歷史散點得到散點圖；

通過預置的回歸模型對所述散點圖進行運算得到回歸直線或回歸曲線；根據所述回歸直線或回歸曲線中，所述目標參數的值和所述反饋信息的流量值之間的函數關系，計算預置的目標模型的極值并將所述極值對應的目標參數的值設為初始數據，將所述目標對象的目標參數的值修改為所述初始數據；其中，所述目標模型是用于描述指定目標與所述目標參數和所述反饋信息之間函數關系的計算機模型，所述目標模型的目標函數為：

f(x)=(x_n-y)×z_n

其中，f(x)是指所述指定目標的值，?x_n是指當前迭代變量，即所述目標參數的值，y是預置的閾值參數，z_n指的是反饋信息的流量值；

通過預置的機器學習模型采集所述目標對象在預置的試驗期間內的迭代反饋信息，并根據改為所述初始數據的目標參數和所述迭代反饋信息對所述目標參數的值進行迭代處理，直至獲得的目標參數的值滿足所述目標模型的收斂條件，將滿足所述收斂條件的值作為所述目標對象的目標參數；其中，所述收斂條件是指通過所述目標參數的值和所述迭代反饋信息，使所述目標模型的目標值趨向收斂于衡定極值的狀態的情況；所述通過預置的機器學習模型采集所述目標對象在預置的試驗期間內的迭代反饋信息，包括：執行監聽進程，用于識別修改所述目標參數的值的時間并將所述時間設為起點時間，以所述起點時間為起點并以預置的時間間隔為時間跨度構建所述試驗期間，并監聽所述目標對象在所述試驗期間內的迭代反饋信息。

2.根據權利要求1所述的參數優化方法，其特征在于，所述輪詢平臺系統的業務信息的反饋信息，識別流量值符合預置的平衡策略的反饋信息，并將所述反饋信息所對應的業務信息設為目標對象的步驟包括：

將從平臺系統的表現層中獲取業務信息，并根據所述業務信息從所述平臺系統的數據訪問層中獲取所述業務信息的反饋信息；

判斷所述反饋信息的流量值是否符合所述平衡策略；

若是，則將所述業務信息設為目標對象；

若否，則從所述表現層中獲取下一業務信息。

3.根據權利要求2所述的參數優化方法，其特征在于，所述判斷所述反饋信息的流量值是否符合所述平衡策略的步驟，包括：

提取所述平衡策略中預定義的流量閾值；

判斷所述流量值是否大于或等于所述流量閾值；

若是，則判定所述流量值符合所述平衡策略；

若否，則判定所述流量值不符合所述平衡策略。

4.根據權利要求1所述的參數優化方法，其特征在于，所述根據改為所述初始數據的目標參數和所述迭代反饋信息對所述目標參數的值進行迭代處理的步驟，包括：

提取所述目標參數的值并將其作為第一數據；執行迭代進程，用以通過所述機器學習模型根據所述第一數據和所述迭代反饋信息的流量值，對所述第一數據進行迭代處理得到第二數據；

通過所述目標模型運算所述第一數據得到第一目標值，及運算所述第二數據得到第二目標值，判斷所述第二目標值與所述第一目標值之間的差值是否低于預置的判斷閾值；若是，則判定所述第二數據滿足所述目標模型的收斂條件；若否，則將所述目標參數的值修改為所述第二數據，并執行所述監聽進程；

所述判定所述第二數據滿足所述目標模型的收斂條件之后，所述方法還包括：

將所述第二數據上傳至區塊鏈中。

5.根據權利要求4所述的參數優化方法，其特征在于，所述迭代進程的步驟包括：

將所述回歸直線或回歸曲線中，所述目標參數的值和所述反饋信息的流量值之間的函數關系，載入所述機器學習模型的迭代公式中得到轉換公式；

將所述第一數據和所述迭代反饋信息的流量值錄入所述轉換公式，并運行所述機器學習模型得到第二數據。