一种模型运营方法、装置、及业务服务器制造方法及图纸

公开了一种模型运营方法、装置、及业务服务器该方法包括：在任一预设的模型运营周期内，执行以下步骤：获得当前运行模型针对预设的测试事件集输出的预测结果，并对所述预测结果进行统计，得到至少一个性能指标值；获得所述当前运行模型的模型自变量的至少一个量化指标值；根据所述至少一个性能指标值与所述至少一个量化指标值确定所述当前运行模型是否出现异常；当确定所述当前运行模型出现异常时，根据预设的优化训练事件集对所述当前运行模型进行更新；将更新后的模型与所述当前运行模型的性能进行比较，若比较得出所述更新后的模型的性能优于所述当前运行模型，则将所述更新后的模型部署为线上运行的模型。

【技术实现步骤摘要】
一种模型运营方法、装置、及业务服务器
本说明书实施例涉及数据处理
，尤其涉及一种模型运营方法、装置、及业务服务器。
技术介绍
智能化或自动化处理的本质，是由计算机根据给定的输入信息，经计算后得到对应输出信息的过程，模型则是用于描述上述输入-输出关系的一种信息，简单的模型可以是根据人工规则建立，在数据时代，基于大数据及机器学习技术进行数据建模则成为主流。目前在多种应用领域，例如风控领域，都已经广泛使用大数据建模来实现各种智能化处理功能，传统的模型运营过程如下：定期(例如每周)对当前运行模型的性能进行评估，若出现性能指标下跌或异常波动，则由专业人员从各个维度分析原因，并基于分析结果控制模型进行refit或retrain更新，模型更新后，还需要对新模型进行试运行，以根据试运行结果决策是否进行新旧模型的替换，若进行新旧模型的替换，还需要针对新部署的模型重新部署模型策略。由此可见，传统的模型运营过程中需要较多的人工介入，且模型运营过程耗时较长。
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模型运营方法、装置、及业务服务器，技术方案如下：根据本说明书实施例的第一方面，提供一种模型运营本文档来自技高网...

【技术保护点】
1.一种模型运营方法，所述方法包括：在任一预设的模型运营周期内，执行以下步骤：获得当前运行模型针对预设的测试事件集输出的预测结果，并对所述预测结果进行统计，得到至少一个性能指标值；获得所述当前运行模型的模型自变量的至少一个量化指标值；根据所述至少一个性能指标值与所述至少一个量化指标值确定所述当前运行模型是否出现异常；当确定所述当前运行模型出现异常时，根据预设的优化训练事件集对所述当前运行模型进行更新；将更新后的模型与所述当前运行模型的性能进行比较，若比较得出所述更新后的模型的性能优于所述当前运行模型，则将所述更新后的模型部署为线上运行的模型。

【技术特征摘要】
1.一种模型运营方法，所述方法包括：在任一预设的模型运营周期内，执行以下步骤：获得当前运行模型针对预设的测试事件集输出的预测结果，并对所述预测结果进行统计，得到至少一个性能指标值；获得所述当前运行模型的模型自变量的至少一个量化指标值；根据所述至少一个性能指标值与所述至少一个量化指标值确定所述当前运行模型是否出现异常；当确定所述当前运行模型出现异常时，根据预设的优化训练事件集对所述当前运行模型进行更新；将更新后的模型与所述当前运行模型的性能进行比较，若比较得出所述更新后的模型的性能优于所述当前运行模型，则将所述更新后的模型部署为线上运行的模型。2.根据权利要求1所述的方法，所述根据所述至少一个性能指标值与所述至少一个量化指标值确定所述当前运行模型是否出现异常，包括：根据所述至少一个性能指标值确定所述当前运行模型在当前模型运营周期的性能是否劣于其在前一个模型运营周期的性能；根据所述至少一个量化指标值确定所述当前运行模型的模型自变量是否出现异常波动；当确定所述当前运行模型在当前模型运营周期的性能劣于其在前一个模型运营周期的性能时，和/或确定所述当前运行模型的模型自变量出现异常波动时，确定所述当前运行模型出现异常。3.根据权利要求2所述的方法，所述方法还包括：输出所述当前运行模型出现异常的原因，所述原因包括下述至少一项：所述当前运行模型在当前模型运营周期的性能劣于其在前一个模型运营周期的性能、所述当前运行模型的模型自变量出现异常波动。4.根据权利要求1所述的方法，所述根据预设的优化训练事件集对所述当前运行模型进行更新，包括：根据预设的优化训练事件集对所述当前运行模型进行refit更新或retrain更新。5.根据权利要求1所述的方法，所述方法还包括：对预设的优化训练事件集进行聚类分析，得到至少一个聚类簇，所述聚类簇中包括至少一个优化训练事件；针对任一所述聚类簇，在其包括的至少一个优化训练事件中选取一个优化训练事件；输出所选取的各个优化训练事件。6.根据权利要求5所述的方法，所述方法还包括：接收用户根据所输出的各个优化训练事件构造的特征池，所述特征池中包括多个特征变量；利用预设的特征选择算法对所述特征池进行筛选，得到入模特征变量；所述根据预设的优化训练事件集对所述当前运行模型进行更新，包括：利用所述入模特征变量与所述预设的优化训练事件集对所述当前运行模型进行retrain更新。7.根据权利要求1所述的方法，在所述将所述更新后的模型部署为线上运行的模型之后，所述方法还包括：按照预设的标准化处理规则，将所述更新后的模型针对线上事件输出的预测分值进行标准化处理，得到所述线上事件的标准分值；利用所述标准分值与预设的模型策略得到所述更新后的模型针对所述线上事件输出的预测结果。8.一种模型运营装置，所述装置包括：第一获得模块，用于获得当前运...

【专利技术属性】
技术研发人员：汲小溪，陈露佳，吴星，唐渝洲，高利翠，赵乾坤，王维强，赵文飙，
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