模型确定方法、装置和电子设备制造方法及图纸

本说明书实施例公开了一种模型确定方法、装置和电子设备的实施例。所述方法包括：获取T时刻的流式交易数据，所述T时刻为当前时刻；根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；判断候选模型的性能指标是否满足预设条件；若是，将候选模型确定为T+1时刻的异常交易数据检测模型。本说明书实施例的模型确定方法、装置和电子设备，可以根据预设条件有选择地更新异常交易数据检测模型，使异常交易数据检测模型保持好的预测效果。

【技术实现步骤摘要】
模型确定方法、装置和电子设备
本说明书实施例涉及计算机
，特别涉及一种模型确定方法、装置和电子设备。
技术介绍
随着人工智能技术的发展，通过机器学习构建相应的任务模型，再利用构建的任务模型进行具体的数据处理，这种数据处理方法在越来越多的领域得到普及应用。在一些场景下，数据的特征有可能会随着时间的推移以不可预见的方式发生变化。因此为了达到好的预测效果，需要对任务模型进行更新。如何对任务模型进行更新，以使任务模型保持好的预测效果，是当前亟需解决的技术问题。
技术实现思路
本说明书实施例提供一种模型确定方法、装置和电子设备，以对异常交易数据检测模型进行更新。本说明书实施例的技术方案如下。本说明书实施例的第一方面，提供了一种模型确定方法，包括：获取T时刻的流式交易数据，所述T时刻为当前时刻；根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；判断候选模型的性能指标是否满足预设条件；若是，将候选模型确定为T+1时刻的异常交易数据检测模型。本说明书实施例的第二方面，提供了一种模型确定方法，本文档来自技高网...

【技术保护点】
1.一种模型确定方法，包括：/n获取T时刻的流式交易数据，所述T时刻为当前时刻；/n根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；/n判断候选模型的性能指标是否满足预设条件；/n若是，将候选模型确定为T+1时刻的异常交易数据检测模型。/n

【技术特征摘要】
1.一种模型确定方法，包括：
获取T时刻的流式交易数据，所述T时刻为当前时刻；
根据T时刻的流式交易数据和T时刻的异常交易数据检测模型，确定候选模型；
判断候选模型的性能指标是否满足预设条件；
若是，将候选模型确定为T+1时刻的异常交易数据检测模型。


2.如权利要求1所述的方法，所述获取T时刻的流式交易数据，包括：
获取T时刻的多个流式交易数据；
所述确定候选模型，包括：
从T时刻的多个流式交易数据中选取目标流式交易数据；
根据目标流式交易数据和T时刻的异常交易数据检测模型，确定候选模型。


3.如权利要求2所述的方法，所述从T时刻的多个流式交易数据中选取目标流式交易数据，包括：
根据T时刻的异常交易数据检测模型，对T时刻的多个流式交易数据进行预测；
根据预测结果，从T时刻的多个流式交易数据中选取目标流式交易数据。


4.如权利要求3所述的方法，所述预测结果包括分值；
所述从T时刻的多个流式交易数据中选取目标流式交易数据，包括：
从T时刻的多个流式交易数据中选取对应的分值大于或等于第一阈值的流式交易数据、以及对应的分值小于或等于第二阈值的流式交易数据，作为目标流式交易数据；所述第一阈值大于所述第二阈值。


5.如权利要求1所述的方法，所述异常交易数据检测模型通过在线学习算法得到；
所述判断候选模型的性能指标是否满足预设条件，包括：
计算在线学习算法在T时刻的悔恨值，作为候选模型的第一性能指标；
判断所述第一性能指标是否满足第一预设条件。


6.如权利要求5所述的方法，所述计算在线学习算法在T时刻的悔恨值，包括：
根据公式计算在线学习算法在T时刻的悔恨值；
其中，RT表示在线学习算法在T时刻的悔恨值，L(wt；xt)表示t时刻的异常交易数据检测模型的损失值，wt表示t时刻的异常交易数据检测模型的参数，表示t时刻的参考模型的损失值，表示t时刻的参考模型的参数，xt表示t时刻的流式交易数据。


7.如权利要求5所述的方法，在将候选模型确定为T+1时刻的异常交易数据检测模型之前，还包括：
计算候选模型的第二性能指标，所述第二性能指标取自精确率、准确率和召回率；
判断所述第二性能指标是否满足第二预设条件；
相应地，所述将候选模型确定为T+1时刻的异常交易数据检测模型，包括：
若所述第一性能指标满足第一预设条件、并...

【专利技术属性】
技术研发人员：管楚，付子圣，陈红，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33