对模型预测值进行融合的方法、装置和设备制造方法及图纸

公开了一种对模型预测值进行融合的方法、装置和设备，其中对模型预测值进行融合的方法包括：基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱；根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。

【技术实现步骤摘要】
对模型预测值进行融合的方法、装置和设备
本说明书涉及机器学习
，尤其涉及一种对模型预测值进行融合的方法、装置和设备。
技术介绍
机器学习算法是一类能从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法，被广泛应用于诸多领域中。在实际应用中，包括在线预测模型和离线预测模型，其中，离线预测模型通常以定时任务来实现，其优势是可以纳入维度较高的特征、并使用较为复杂的算法，从而达到较为精准的预测效果；然而，由于特征较多且算法复杂，预测过程通常较为耗时。相比于离线预测模型，在线预测模型可以使用维度较低的特征以及较为简单的算法来达到更高效的预测，其缺点便是特征不够丰富，准确度不高。可见，在线预测模型和离线预测模型各具优势，如何将两者进行合理的融合是目前业内亟待解决的问题。
技术实现思路
针对上述技术问题，本说明书实施例提供一种对模型预测值进行融合的方法、装置和设备，技术方案如下：在一个方面，提出的一种对模型预测值进行融合的方法，包括：基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱，其中，所述若干样本中的每一样本包括：第一预测值、第二预测值以及样本的标签，所述第一预测值由在线预测模型预测得到，第二预测值由离线预测模型预测得到；根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。在一个方面，提出的一种对模型预测值进行融合的方法，包括：获取目标用户在第一时间段内产生的业务数据，根据所述业务数据确定输入特征并输入到在线预测模型，输出第一预测值；获取利用离线预测模型得到的与所述目标用户对应的第二预测值，其中，所述离线预测模型的输入特征是根据所述目标用户在第二时间段内产生的业务特征来确定的；获取对在线预测模型的第一预测值和离线预测模型的第二预测值进行分箱的结果，分别确定所述第一预测值所处的第一区间和所述第二预测值所处的第二区间；根据所述第一区间和所述第二区间，利用预先训练得到的模型来对所述第一预测值和所述第二预测值进行融合，得到最终的融合预测值，所述融合预测值用来确定所述目标用户的标签。在一个方面，提出的一种对模型预测值进行融合的装置，包括：分箱单元，基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱，其中，所述若干样本中的每一样本包括：第一预测值、第二预测值以及样本的标签，所述第一预测值由在线预测模型预测得到，第二预测值由离线预测模型预测得到；特征转换单元，根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；训练单元，以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。在一个方面，提出的一种对模型预测值进行融合的装置，包括：在线分值预测单元，获取目标用户在触发时刻前的第一时间段内产生的业务数据，根据所述业务数据确定输入特征并输入到在线预测模型，输出第一预测值，所述在线预测模型用于预测用户的标签；离线分值获得单元，获取利用离线预测模型得到的与所述目标用户对应的第二预测值，其中，所述离线预测模型的输入特征是根据所述目标用户在过去的第二时间段内产生的业务特征来确定的，所述离线预测模型用于预测用户的标签；区间确定单元，根据预先对在线预测模型的预测值和离线预测模型的预测值进行分箱的结果，分别确定所述第一预测值所处的第一区间和所述第二预测值所处的第二区间；分值融合单元，根据所述第一区间和所述第二区间，利用预先训练得到的模型来对所述第一预测值和所述第二预测值进行融合，得到最终的融合预测值，所述融合预测值用来确定所述目标用户的标签。在一个方面，提出的一种计算机设备，包括：处理器；用于存储处理器可执行指令的存储器；所述处理器被配置为：基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱，其中，所述若干样本中的每一样本包括：第一预测值、第二预测值以及样本的标签，所述第一预测值由在线预测模型预测得到，第二预测值由离线预测模型预测得到；根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。在一个方面，提出的一种计算机设备，包括：处理器；用于存储处理器可执行指令的存储器；所述处理器被配置为：在线分值预测单元，获取目标用户在触发时刻前的第一时间段内产生的业务数据，根据所述业务数据确定输入特征并输入到在线预测模型，输出第一预测值，所述在线预测模型用于预测用户的标签；离线分值获得单元，获取利用离线预测模型得到的与所述目标用户对应的第二预测值，其中，所述离线预测模型的输入特征是根据所述目标用户在过去的第二时间段内产生的业务特征来确定的，所述离线预测模型用于预测用户的标签；区间确定单元，根据预先对在线预测模型的预测值和离线预测模型的预测值进行分箱的结果，分别确定所述第一预测值所处的第一区间和所述第二预测值所处的第二区间；分值融合单元，根据所述第一区间和所述第二区间，利用预先训练得到的模型来对所述第一预测值和所述第二预测值进行融合，得到最终的融合预测值，所述融合预测值用来确定所述目标用户的标签。本说明书实施例所提供的技术方案所产生的效果包括：通过机器学习得到的模型来对所述线预测模型的预测值和所述离线预测模型的预测值进行融合，最终利用融合得到的分值来对用户的标签进行预测，从而在提高了对用户的标签进行预测的准确性的同时，还满足了业务对低时延的要求。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书实施例。此外，本说明书实施例中的任一实施例并不需要达到上述的全部效果。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1是本说明书实施例提供的一种对模型预测值进行融合的方法的流程示意图；图2是本说明书实施例提供的一种确定融合权重的过程；图3是本说明书实施例提供的一种对模型预测值进行融合的装置(权重训练阶段)的结构示意图；图4是本说明书实施例提供的一种对模型预测值进行融合的装置(分值融合阶段)的结构示意图；图5是用于配置本文档来自技高网...

【技术保护点】
一种对模型预测值进行融合的方法，包括：基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱，其中，所述若干样本中的每一样本包括：第一预测值、第二预测值以及样本的标签，所述第一预测值由在线预测模型预测得到，第二预测值由离线预测模型预测得到；根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。

【技术特征摘要】
1.一种对模型预测值进行融合的方法，包括：基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱，其中，所述若干样本中的每一样本包括：第一预测值、第二预测值以及样本的标签，所述第一预测值由在线预测模型预测得到，第二预测值由离线预测模型预测得到；根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。2.根据权利要求1所述的方法，所述设定分箱法包括：基于熵的分箱法、或基于基尼的分箱法、或等频分箱法。3.根据权利要求1所述的方法，所述模型的待训练参数包括与分箱得到的各区间对应的权重，所述权重用于对线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。4.一种对模型预测值进行融合的方法，包括：获取目标用户在第一时间段内产生的业务数据，根据所述业务数据确定输入特征并输入到在线预测模型，输出第一预测值；获取利用离线预测模型得到的与所述目标用户对应的第二预测值，其中，所述离线预测模型的输入特征是根据所述目标用户在第二时间段内产生的业务特征来确定的；获取对在线预测模型的第一预测值和离线预测模型的第二预测值进行分箱的结果，分别确定所述第一预测值所处的第一区间和所述第二预测值所处的第二区间；根据所述第一区间和所述第二区间，利用预先训练得到的模型来对所述第一预测值和所述第二预测值进行融合，得到最终的融合预测值，所述融合预测值用来确定所述目标用户的标签。5.根据权利要求3所述的方法，所述利用预先训练得到的模型来对所述第一预测值和所述第二预测值进行融合得到最终的融合预测值，包括：基于预先确定的与分箱得到的各区间对应的权重，获得与所述第一区间对应的第一权重及与所述第二区间对应的第二权重，所述模型的待训练参数包括与分箱得到的各区间对应的权重；利用所述第一权重和所述第二权重来确定融合预测值。6.根据权利要求5所述的方法，所述利用所述第一权重和所述第二权重来确定融合预测值，包括：将所述第一权重和所述第二权重进行求和，并将求和结果作为融合预测值。7.一种对模型预测值进行融合的装置，包括：分箱单元，基于给定的若干样本，按照设定分箱法来分别对在线预测模型的预测值和离线预测模型的预测值进行分箱，其中，所述若干样本中的每一样本包括：第一预测值、第二预测值以及样本的标签，所述第一预测值由在线预测模型预测得到，第二预测值由离线预测模型预测得到；特征转换单元，根据分箱的结果，将各样本的第一预测值转化为与该第一预测值所处的区间对应的第一区间特征，将各样本的第二预测值转化为与该第二预测值所处的区间对应的第二区间特征；训练单元，以每一样本对应的所述第一区间特征、所述第二区间特征以及样本的标签构成转化后的样本数据，并利用转化后的样本数据来训练模型，该训练完成的模型用于对在线预测模型的预测值和离线预测模型的预测值进行融合得到最终的预测值。8.根据权利要求7所述的装置，所述设定分...

【专利技术属性】
技术研发人员：方文静，周俊，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY