【技术实现步骤摘要】
模型参数的确定方法及装置
本专利技术属于信息处理
，具体涉及一种模型参数的确定方法及装置。
技术介绍
目前，机器学习模型已广泛应用于各个领域，例如数据分析挖掘、图像或语音识别、生物特征识别、人工智能等。在构建机器学习模型的过程中，参数调整是非常重要的一个步骤。现有技术中，往往是直接利用损失函数对模型参数进行调整。这种调整方式会导致最终优化得到的模型参数，仅能使模型在训练样本上获得较高的区分能力，而无法有效区分实际场景中的数据，模型的稳定性较差。
技术实现思路
本申请实施例的目的是提供一种模型参数的确定方法及装置，能够优化模型参数调整方式，解决现有技术中模型稳定性不高的技术问题。为了解决上述技术问题，本申请是这样实现的：第一方面，本申请实施例提供了一种模型参数的确定方法，该方法包括：在对初始模型的每一轮训练中，对于所述初始模型中的任一模型参数，对所述模型参数进行参数调整，得到中间参数；根据所述中间参数，计算所述初始模型在训练样本集上的第一评价指标以及所述初始模型...
【技术保护点】
1.一种模型参数的确定方法，其特征在于，包括：/n在对初始模型的每一轮训练中，对于所述初始模型中的任一模型参数，对所述模型参数进行参数调整，得到中间参数；/n根据所述中间参数，计算所述初始模型在训练样本集上的第一评价指标以及所述初始模型在验证样本集上的第二评价指标；/n根据所述第一评价指标和所述第二评价指标，计算所述初始模型的目标评价指标；所述目标评价指标关联于所述初始模型的稳定性评价指标；/n在所述目标评价指标满足预设条件的情况下，继续对下一模型参数进行调整。/n
【技术特征摘要】
1.一种模型参数的确定方法，其特征在于，包括：
在对初始模型的每一轮训练中，对于所述初始模型中的任一模型参数，对所述模型参数进行参数调整，得到中间参数；
根据所述中间参数，计算所述初始模型在训练样本集上的第一评价指标以及所述初始模型在验证样本集上的第二评价指标；
根据所述第一评价指标和所述第二评价指标，计算所述初始模型的目标评价指标；所述目标评价指标关联于所述初始模型的稳定性评价指标；
在所述目标评价指标满足预设条件的情况下，继续对下一模型参数进行调整。
2.根据权利要求1所述的方法，其特征在于，所述初始模型为信用评分模型，所述初始模型的训练数据包括样本用户的用户相关信息及表征所述样本用户是否逾期的标记值；所述方法还包括：
在每个所述模型参数对应的目标评价指标均满足预设条件的情况下，或者，在对所述初始模型的训练轮数达到预设数量阈值的情况下，将所述初始模型确定为目标模型；
将待预测用户的用户相关信息输入所述目标模型；
获取所述目标模型输出的所述待预测用户的逾期概率。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一评价指标和所述第二评价指标，计算所述初始模型的目标评价指标，包括：
根据所述第一评价指标和所述第二评价指标之间的差值的绝对值，确定所述目标评价指标；其中，所述第一评价指标和所述第二评价指标差值的绝对值与所述目标评价指标正相关。
4.根据权利要求3所述的方法，其特征在于，所述第一评价指标及所述第二评价指标为工作特征曲线下的面积AUC；
所述根据所述第一评价指标和所述第二评价指标之间的差值的绝对值，确定所述目标评价指标，包括：
将所述第一评价指标和所述第二评价指标输入预设价值函数中，计算得到所述目标评价指标；
其中，所述预设价值函数为：
F＝k*|AUCval-AUCdev|+AUCval
其中，F为所述目标评价指标；AUCval为所述第二评价指标；AUCdev为所述第一评价指标，|AUCval-AUCdev|表示所述稳定性评价指标；k为预设的鲁棒因子，用于表示所述稳定性评价指标在所述目标评价指标中所占的比重。
5.根据权利要求1所述的方法，其特征在于，所述对所述模型参数进行参数调整，包括：
对于预设步长集合中的任一预设步长，分别执行以下操作：
计算所述模型参数与所述预设步长之和，得到所述中间参数；
所述在所述目标评价指标满足预设条件的情况下，继续对下一模型参数进行调整，包括：
计算所述目标评价指标与上一次计算的目标评价指标的增量；所述上一次计算的目标评价指标是根据所述模型参数计算得到的；
若所述增量大于预设增量阈值，则继续为所述中间参数增加所述预设步长，直至所述增量不大于所述预设增量阈值为止；
在所述增量不大于所述预设增量阈值的情况下，继续对下一模型参数...
【专利技术属性】
技术研发人员：何秋怡，
申请(专利权)人：维沃移动通信有限公司，
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。