机器学习模型的训练数据处理方法、装置和计算机设备制造方法及图纸

本申请提供一种机器学习模型的训练数据处理方法、装置和计算机设备，其涉及机器学习模型训练技术领域，所述机器学习模型的训练数据处理方法，包括以下步骤：获取更新后的机器学习模型的训练数据的特征参数集合；其中，所述特征参数集合包括多个备选的特征参数；根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围；在所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练；获取所述机器学习模型的输出结果，计算所述输出结果的AUC值，根据所述AUC值从所述特征参数集合中选择目标特征参数作为训练数据。本申请所提供的机器学习模型的训练数据处理方案能提高模型训练的效率。

Training data processing method, device and computer equipment of machine learning model

【技术实现步骤摘要】
机器学习模型的训练数据处理方法、装置和计算机设备
本申请涉及机器学习模型训练
，具体而言，本申请涉及一种机器学习模型的训练数据处理方法、装置和计算机设备。
技术介绍
在机器学习模型的训练过程中，需要向机器学习模型新增或修改特征。为了增加机器学习的训练样本，需要对特征增加不同的变量，或者是通过不同的特征的组合，并逐一输入至机器学习模型，经过繁琐的训练和等待，训练效率低。
技术实现思路
为了克服目前机器学习模型训练效率低的问题，特提出以下技术方案：第一方面，本申请提供的机器学习模型的训练数据处理方法，包括以下步骤：获取更新后的机器学习模型的训练数据的特征参数集合；其中，所述特征参数集合包括多个备选的特征参数；根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围；在所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练；获取所述机器学习模型的输出结果，计算所述输出结果的AUC值，根据所述AUC值从所述特征参数集合中选择目标特征参数作本文档来自技高网...

【技术保护点】
1.一种机器学习模型的训练数据处理方法，其特征在于，包括以下步骤：/n获取更新后的机器学习模型的训练数据的特征参数集合；其中，所述特征参数集合包括多个备选的特征参数；/n根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围；/n在所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练；/n获取所述机器学习模型的输出结果，计算所述输出结果的AUC值，根据所述AUC值从所述特征参数集合中选择目标特征参数作为训练数据。/n

【技术特征摘要】
1.一种机器学习模型的训练数据处理方法，其特征在于，包括以下步骤：
获取更新后的机器学习模型的训练数据的特征参数集合；其中，所述特征参数集合包括多个备选的特征参数；
根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围；
在所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练；
获取所述机器学习模型的输出结果，计算所述输出结果的AUC值，根据所述AUC值从所述特征参数集合中选择目标特征参数作为训练数据。


2.根据权利要求1所述的方法，其特征在于，
所述获取更新后的机器学习模型的训练数据的特征参数集合的步骤，包括：
获取所述机器学习模型的训练数据的新增或修改的特征参数，对特征参数集合进行更新。


3.根据权利要求2所述的方法，其特征在于，
所述特征参数的范围内，依次从所述特征参数集合中选择特征参数输入所述机器学习模型进行训练的步骤，包括：
根据所述特征参数的颗粒度，确定所述特征参数的范围内的相邻两次获取的特征参数的间隔；
根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数。


4.根据权利要求3所述的方法，其特征在于，
所述根据所述机器学习模型的类型和特征参数的类型确定需要选择的所述特征参数的范围的步骤，包括：
根据所述机器学习模型的类型，确认新增或修改的特征参数的取值特征；
根据所述新增或修改的特征参数的取值特征，确定需要选择的所述特征参数的范围。


5.根据权利要求3所述的方法，其特征在于，
所述根据所述特征参数的间隔，在所述特征参数的范围内依次获取各个特征参数的步骤，包括：
当所述机器学习模型的训练数据新增或修改的特征参数为连续的特征参数，在所述特征参数的范围内，根据特征参数的间隔依次获取每个特征参数；
将每个特征参数输入所述机器学习模型进行训练。

【专利技术属性】
技术研发人员：饶慧林，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：广东;44