The embodiment of the present invention discloses a model prediction method and device, in which the method includes acquiring multiple target models, using multiple target models to predict the prediction data, obtaining the corresponding prediction results of multiple target models, and then determining the prediction results of the data to be predicted. The embodiment of the present invention determines the prediction results of the data to be predicted based on the respective prediction results of multiple target models, which can avoid the technical problem of poor prediction effect caused by the model structure problem of one target model, thereby improving the prediction effect of the model; moreover, by analyzing the first model and the first-level sub-model obtained from the first model, the prediction results of the training data are respectively predicted. Measuring accuracy can select the model with higher accuracy to carry out the follow-up training process, so as to make the training target model more accurate.
【技术实现步骤摘要】
一种模型预测方法及装置
本专利技术涉及数据处理
,尤其涉及一种模型预测方法及装置。
技术介绍
在数据处理
中,机器学习是一个非常热门的研究方向,通常来说,机器学习可以基于训练数据得到目标模型,并使用目标模型对待预测数据进行预测,从而得到待预测数据的预测结果。深度学习系统为一种常用的机器学习方法,具体地说,用户可以通过人工设计深度学习网络模型来构建深度学习系统,通过使用构建得到的深度学习网络模型对训练数据集进行训练,可以得到预测效果较好的目标模型。然而,人工设计深度学习网络模型通常是较为复杂的过程,若需要训练出预测效果较好的目标模型,可能需要用户学习多方面的知识,浪费人力和时间。为了解决上述问题,现有技术通常采用自动化机器学习方法来训练深度学习网络模型。具体地说,自动化机器学习方法通常依赖于现有的预设训练算法,基于该预设训练算法可以得到模型结构各不相同的多个随机模型,进而可以采用预设筛选规则从多个随机模型中筛选出一个最优模型,并基于用户输入的训练数据对最优模型进行训练,得到目标模型。采用该种方法,用户无需人工设计深度学习网络模型,即可以获取到目标模型。然而,在实际操作中,预设训练算法可能仅适用于一定的应用场合,而无法满足多个用户的需要;在一种可能的情况下,若训练数据较少,采用该种方式训练得到的目标模型通常会具有较差的预测效果。综上,目前亟需一种模型预测方法,用以提高模型的预测效果。
技术实现思路
本专利技术实施例提供一种模型预测方法及装置,用以提高模型的预测效果。本专利技术实施例提供的一种模型预测方法,所述方法包括:获取待预测数据;使用多个目标模型对 ...
【技术保护点】
1.一种模型预测方法,其特征在于,所述方法包括:获取待预测数据;使用多个目标模型对所述待预测数据进行预测,得到所述多个目标模型分别对应的预测结果;其中,第一目标模型是根据第一模型对训练数据的预测精确度和基于所述第一模型得到的第一级子模型对所述训练数据的预测精确度得到的,所述第一模型为初始模型或者基于所述初始模型得到的第N级子模型,N为大于或等于1的整数;所述第一目标模型为所述多个目标模型中的任一目标模型;根据所述多个目标模型分别对应的预测结果,确定所述待预测数据的预测结果。
【技术特征摘要】
1.一种模型预测方法,其特征在于,所述方法包括:获取待预测数据;使用多个目标模型对所述待预测数据进行预测,得到所述多个目标模型分别对应的预测结果;其中,第一目标模型是根据第一模型对训练数据的预测精确度和基于所述第一模型得到的第一级子模型对所述训练数据的预测精确度得到的,所述第一模型为初始模型或者基于所述初始模型得到的第N级子模型,N为大于或等于1的整数;所述第一目标模型为所述多个目标模型中的任一目标模型;根据所述多个目标模型分别对应的预测结果,确定所述待预测数据的预测结果。2.根据权利要求1所述的方法,其特征在于,所述第一目标模型是根据第一模型对训练数据的预测精确度和基于所述第一模型得到的第一级子模型对所述训练数据的预测精确度得到的,包括:当基于所述第一模型得到的第一级子模型对所述训练数据的预测精确度小于预设阈值时,若所述第一模型对所述训练数据的预测精确度小于所述第一级子模型对所述训练数据的预测精确度,则根据所述第一级子模型得到所述第一目标模型。3.根据权利要求2所述的方法,其特征在于,所述方法还包括:当所述第一模型对所述训练数据的预测精确度大于预设阈值时,则确定所述第一模型为所述目标模型。4.根据权利要求2所述的方法,其特征在于,所述方法还包括:若所述第一模型对所述训练数据的预测精确度大于所述第一级子模型对所述训练数据的预测精确度,则根据所述第一模型得到所述第一目标模型。5.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述多个目标模型分别对应的预测结果,确定所述待预测数据的预测结果,包括:若预测结果为第一预测结果的目标模型的个数大于预测结果为第二预测结果的目标模型的个数,则确定所述待预测数据的预测结果为所述第一预测结果;所述第二预测结果为所述多个目标模型分别对应...
【专利技术属性】
技术研发人员:郭升挺,
申请(专利权)人:网宿科技股份有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。