【技术实现步骤摘要】
基于迁移学习的建模方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种基于迁移学习的建模方法、装置、计算机设备和存储介质。
技术介绍
随着计算机
的高速发展，现实生活中获取的数据成指数级增长。如何对海量的数据进行快速有效的处理，进而提取出用户所需要的有价值的信息，是研究者们普遍关心的问题。随着机器学习领域的不断创新，研究者们提出了迁移学习，迁移学习是指将一个场景中学到的知识迁移到另一个场景中，使得模型在大量全新的场景中也能做出很好的预测。传统地对于模型的建立都需要大量的有业务表现的样本，但某些新开展的业务可能没有足够的样本，依据传统方法难以构建有效的模型；如果仅使用少量的当前业务数据建模，模型容易过拟合且不稳定；如果使用由其他业务的样本构建的模型，鉴于不同业务客群可能存在较大差别，模型效果可能显著下降，无法在仅有少量带标签样本的情况下构建有效的模型。
技术实现思路
基于此，有必要针对上述技术问题，提供一种基于迁移学习的建模方法、装置、计算机设备和存储介质，能够基于迁移学习实现在少量带标签样本的情况下构建有效的模型。一种基于迁移学习的建模方法...
【技术保护点】
1.一种基于迁移学习的建模方法，所述方法包括：获取待学习标签样本和目标标签样本；将所述待学习标签样本和所述目标标签样本进行核主成份分析，得到与所述待学习标签样本对应的第一降维特征，与所述目标标签样本对应的第二降维特征；将所述第一降维特征和所述第二降维特征输入已训练的通用特征获取模型中，得到通用列特征；将所述第一降维特征输入与所述目标标签样本对应的基础模型进行测试，得到与所述第一降维特征对应的权重信息，将所述权重信息高于预设权重阈值的第一降维特征作为通用行特征；将所述通用列特征和所述通用行特征输入与所述目标标签样本对应的基础模型中进行模型训练，得到目标模型。
【技术特征摘要】
1.一种基于迁移学习的建模方法，所述方法包括：获取待学习标签样本和目标标签样本；将所述待学习标签样本和所述目标标签样本进行核主成份分析，得到与所述待学习标签样本对应的第一降维特征，与所述目标标签样本对应的第二降维特征；将所述第一降维特征和所述第二降维特征输入已训练的通用特征获取模型中，得到通用列特征；将所述第一降维特征输入与所述目标标签样本对应的基础模型进行测试，得到与所述第一降维特征对应的权重信息，将所述权重信息高于预设权重阈值的第一降维特征作为通用行特征；将所述通用列特征和所述通用行特征输入与所述目标标签样本对应的基础模型中进行模型训练，得到目标模型。2.根据权利要求1所述的方法，其特征在于，所述将所述通用列特征和所述通用行特征输入与所述目标标签样本对应的基础模型中进行模型训练，得到目标模型之后，还包括：获取待评测样本，将所述待评测样本输入所述目标模型中，输出与所述待评测样本对应的样本标签信息；将所述样本标签信息进行显示，获取与所述样本标签信息对应的标签更正信息；根据所述标签更正信息对所述目标模型中的权值进行调节，根据每次调节后的权值对所述目标模型进行更新，得到更新后的目标模型。3.根据权利要求1所述的方法，其特征在于，所述将所述第一降维特征和所述第二降维特征输入已训练的通用特征获取模型中，得到通用列特征，包括：将所述第一降维特征和所述第二降维特征进行特征比对，得到特征相似度；将所述特征相似度高于预设相似阈值时的第一降维特征作为通用列特征。4.根据权利要求1所述的方法，其特征在于，所述将所述第一降维特征输入与所述目标标签样本对应的基础模型进行测试，得到与所述第一降维特征对应的权重信息，包括：将所述第一降维特征输入与所述目标标签样本对应的基础模型进行测试，输出与所述待学习标签样本对应的样本标签信息；将所述样本标签信息进行显示，获取与所述样本标签信息对应的标签正误信息；根据所述标签正误信息评估所述第一降维特征，得到与所述第一降维特征对应的特征贡献度信息；根据所述特征贡献度信息确定所述第一降维特征的权重信息。5.根据权利要求1所述的方法，其特征在于，所述将所述通用列特征和所述通用行特征输入与所...
【专利技术属性】
技术研发人员：马新俊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44
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。