【技术实现步骤摘要】
利用机器学习模型获取时序特征的方法和装置
本申请要求申请号为201810671327.X，申请日为2018年6月26日，名称为“利用机器学习模型获取时序特征的方法和装置”的中国专利申请的优先权。本申请总体说来涉及人工智能领域，更具体地讲，涉及一种利用机器学习模型获取时序特征的方法和装置、以及执行机器学习处理的方法和系统。
技术介绍
随着海量数据的出现，人工智能技术迅速发展，而机器学习是人工智能发展到一定阶段的必然产物，其致力于通过计算的手段，从大量数据中挖掘有价值的潜在信息。在机器学习领域，往往通过将经验数据提供给机器学习算法来训练机器学习模型以确定构成机器学习模型的理想参数，而训练好的机器学习模型可被应用于在面对新的预测数据时提供相应的预测结果。很多经典算法的机器学习模型往往都基于静态数据模型，即，假设数据之间没有顺序，都按照同一个概率分布随机生成，导致数据本身的时序性并未被模型考虑。然而，在应用机器学习的实际场景中，数据往往呈流式源源不断地产生，与时序性相关的特征非常重要(例如，用户近期的持续消费行为等)，虽然目...
【技术保护点】
1.一种利用机器学习模型获取时序特征的方法，所述方法包括：/n获取按时序流入的待处理数据，并在待处理数据具有真实结果的情况下获取待处理数据的真实结果；/n按照所述待处理数据的时序，不断利用基于至少一部分具有真实结果的待处理数据形成的训练数据来更新所述机器学习模型；/n基于与当前更新的所述机器学习模型的至少一个模型参数相关的参数项，获取与当前待处理数据相应的时序特征。/n
【技术特征摘要】
20180626 CN 201810671327X1.一种利用机器学习模型获取时序特征的方法，所述方法包括：
获取按时序流入的待处理数据，并在待处理数据具有真实结果的情况下获取待处理数据的真实结果；
按照所述待处理数据的时序，不断利用基于至少一部分具有真实结果的待处理数据形成的训练数据来更新所述机器学习模型；
基于与当前更新的所述机器学习模型的至少一个模型参数相关的参数项，获取与当前待处理数据相应的时序特征。
2.如权利要求1所述的方法，还包括：
监测按时序流入的待处理数据的分布状态变化；
根据监测结果，设置用于更新所述机器学习模型的超参数，
其中，更新所述机器学习模型的步骤包括：基于设置的超参数，利用所述训练数据来更新所述机器学习模型。
3.如权利要求2所述的方法，其中，设置用于更新所述机器学习模型的超参数的步骤包括：
在根据监测结果确定出现了超出阈值的分布状态变化的情况下，全部重新设置用于更新所述机器学习模型的超参数，以替代当前用于更新所述机器学习模型的超参数；
在根据监测结果确定未出现超出阈值的分布状态变化的情况下，部分地调整当前用于更新所述机器学习模型的超参数。
4.如权利要求2所述的方法，其中，监测步骤包括：监测按时序流入的待处理数据的分布状态和/或所述机器学习模型的模型效果。
5.如权利要求4所述的方法，其中，所述方法还包括：根据监测到的分布状态和/或模型效果来选取所述至少一部分...
【专利技术属性】
技术研发人员：李文昊，涂威威，陈雨强，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：北京;11
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。