一种模型训练的方法及装置、计算机设备和存储介质制造方法及图纸

本申请公开了一种模型训练的方法及装置、计算机设备和存储介质，包括：获取第一路线整体特征集合以及第一实际到达时间集合，根据第一路线整体特征集合通过待训练时间预估模型得到第一预估到达时间集合，根据第一预估到达时间集合与第一实际到达时间集合得到第一导数集合，根据从标准正态分布中确定的随机数，对第一导数集合进行随机扰动处理，得到随机扰动处理后的第一导数集合，基于第一预估到达时间集合与随机扰动处理后的第一导数集合对待训练时间预估模型进行训练。通过上述方法，能够避免在迭代过程中所得到的预估时间落在不稳定的奇点上，所得到的时间预估模型能够更为可靠以及准确，因此通过该时间预估模型能够更为准确的获取到达时间。为准确的获取到达时间。为准确的获取到达时间。

【技术实现步骤摘要】
一种模型训练的方法及装置、计算机设备和存储介质


[0001]本申请涉及人工智能领域中的机器学习领域，尤其涉及一种模型训练的方法及装置、计算机设备和存储介质。

技术介绍

[0002]到达时间的预估(estimated time of arrival，ETA)是地图中的功能，它能根据给定地图上的一条路线和出发时间，预估出走完这条路线所需要的时间。
[0003]目前，在ETA预估的领域，包括基于规则的逐路段累加方法，该方法需要根据每个路段的长度、速度、红绿灯等状况，估计出每个路段的通过时间，再加上每个路口的通过时间，这样累加起来，就构成了整条路线的总时间。然而，该方法对人工经验的依赖很强，并且在实际应用中，路况十分复杂，人为设定的规则无法覆盖各种情形，导致每个路段预估时间出现误差，且该方法需要将各路段的预估时间进行累加，导致每个路段预估时间的误差也会进行累积，使得最终所确定到达时间的不够准确，因此，如何更为准确的获取到达时间成为需要解决的问题。

技术实现思路

[0004]本申请实施例提供了一种模型训练的方法及装置、计算机设备和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练的方法，其特征在于，包括：获取第一路线整体特征集合以及第一实际到达时间集合，其中，所述第一路线整体特征集合包括S条第一路线样本分别对应的路线整体特征，所述第一实际到达时间集合包括S条第一路线样本分别对应的实际到达时间，所述第一路线样本对应的路线整体特征为与所述第一路线样本的通行时间相关的特征，S为整数，S＞1；根据所述第一路线整体特征集合通过待训练时间预估模型得到第一预估到达时间集合，其中，所述第一预估到达时间集合包括S条第一路线样本分别对应的第一预估到达时间；根据所述第一预估到达时间集合与所述第一实际到达时间集合得到第一导数集合，其中，所述第一导数集合包括S条第一路线样本分别对应的第一导数，所述第一导数是基于损失函数确定的；根据从标准正态分布中确定的随机数，对所述第一导数集合进行随机扰动处理，得到随机扰动处理后的第一导数集合；基于所述第一预估到达时间集合与所述随机扰动处理后的第一导数集合对所述待训练时间预估模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述第一路线整体特征集合通过所述待训练时间预估模型得到第二预估到达时间集合；基于所述第一预估到达时间集合以及所述第二预估到达时间集合确定第三预估到达时间集合；根据所述第三预估到达时间集合与所述第一实际到达时间集合得到第二导数集合，其中，所述第二导数集合包括S条第一路线样本分别对应的第二导数，所述第二导数是基于所述损失函数确定的；根据从所述标准正态分布中确定的随机数，对所述第二导数集合进行随机扰动处理，得到随机扰动处理后的第二导数集合。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一路线整体特征集合通过待训练时间预估模型得到第一预估到达时间集合，包括：根据所述第一路线整体特征集合通过待训练第一学习器得到所述第一预估到达时间集合；所述根据所述第一路线整体特征集合通过所述待训练时间预估模型得到第二预估到达时间集合，包括：根据所述第一路线整体特征集合通过所述待训练第二学习器得到所述第二预估到达时间集合；所述基于所述第一预估到达时间集合与所述随机扰动处理后的第一导数集合对所述待训练时间预估模型进行训练，包括：基于所述第一预估到达时间集合与所述随机扰动处理后的第一导数集合对所述待训练第一学习器进行训练；基于所述第三预估到达时间集合与所述随机扰动处理后的第二导数集合对所述待训练第二学习器进行训练。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述第一预估到达时间集合进行初始化处理，以得到初始化后的第一预估到达时间集合；所述根据所述第一预估到达时间集合与所述第一实际到达时间集合得到第一导数集合，包括：根据所述初始化后的第一预估到达时间集合与所述第一实际到达时间集合得到所述第一导数集合；所述基于所述第一预估到达时间集合与所述随机扰动处理后的第一导数集合对所述待训练时间预估模型进行训练，包括：基于所述初始化后的第一预估到达时间集合与所述随机扰动处理后的第一导数集合对所述待训练时间预估模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述初始化处理为将每个第一预估到达时间与预设数值相加，或，将每个第一预估到达时间与属于预设范围内的数值相加，或，将每个第一预估到达时间与所述实际到达时间的均值相加。6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：获取K条第二路线样本，其中，所述K为整数，K＞S；对所述K条第二路线样本进行采样，得到S条第一路线样本。7.根据权利要求3所述的方法，其特征在于，所述时间预估模型包括N个学习器，N为整数，且N≥1；所述方法还包括：获取P条第三路线样本，其中，所述P条第三路线样本与所述S条第一路线样本不重合，P为整数，P≥1；获取第二路线整体特征集合以及第二实际到达时间集合，其中，所述第二路线整体特征集合包括P条第三路线样本分别对应的路线整体特征，所述第二实际到达时间集合包括P条第三路线样本分别对应的实际到达时间，所述第三路线样本对应的路线整体特征为与所述第三路线样本的通行时间相关的特征；从所述时间预估模型中获取M个学习器，其中，M为整数，且1≤M＜N；根据所述第二路线整体特征集合通过所述M个学习器得到第四预估到达时间集合；根据所述第二路线整体特征集合通过待训练第三学习器得到第五预估到达时间集合；基于所述第四预估到达时间集合以及所述第五预估到达时间集合确定第六预估到达时间集合；根据所述第六预估到达时间集合与所述第二实...

【专利技术属性】
技术研发人员：姜正申，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：