模型融合策略的选择方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了模型融合策略的选择方法、装置及电子设备，应用于机器学习技术领域。该方法包括：获取目标数据集的目标数据集信息；将目标数据集信息，输入预先训练的模型融合策略推荐模型，得到至少一推荐的模型融合策略；从至少一推荐的模型融合策略中，选择一模型融合策略，作为适用于目标数据集的模型融合策略。通过本方案，可以提高模型融合策略的选择效率。选择效率。选择效率。

【技术实现步骤摘要】
模型融合策略的选择方法、装置及电子设备


[0001]本专利技术涉及机器学习
，特别是涉及模型融合策略的选择方法、装置及电子设备。

技术介绍

[0002]模型融合指同时训练多个机器学习模型，然后按照一定的模型融合策略，融合各个机器学习模型的参数，从而提高机器学习模型的训练效果。
[0003]为了选择适用于某个新数据集较的模型融合策略，相关技术中，需要遍历各模型融合策略，以选择最佳的模型融合策略，效率较低。

技术实现思路

[0004]本专利技术实施例的目的在于提供模型融合策略的选择方法、装置及电子设备，以提高模型融合策略的选择效率。具体技术方案如下：
[0005]第一方面，本专利技术实施例提供一种模型融合策略的选择方法，所述方法包括：
[0006]获取目标数据集的目标数据集信息；其中，所述目标数据集为用于对机器学习模型进行训练的训练数据集，每一数据集的数据集信息为：用于描述该数据集的信息；
[0007]将所述目标数据集信息，输入预先训练的模型融合策略推荐模型，得到至少一推荐的模型融合策略；其中，所述模型融合策略推荐模型为：基于各样本数据集的样本数据集信息、以及每一样本数据集对应的标注适用信息训练得到的，每一数据集对应的适用信息指示：各待选择的模型融合策略是否适用于该数据集；
[0008]从所述至少一推荐的模型融合策略中，选择一模型融合策略，作为适用于所述目标数据集的模型融合策略。
[0009]可选的，按照以下方式训练所述模型融合策略推荐模型：
[0010]获取样本数据集的样本数据集信息和所述样本数据集对应的标注适用信息；
[0011]将所述样本数据集信息输入至待训练的机器学习模型，以得到所述待训练的机器学习模型输出的结果，并根据所述待训练的机器学习模型的输出结果，确定预测适用信息，其中，所述预测适用信息指示：各待选择的模型融合策略是否适用于所述样本数据集；
[0012]基于所述标注适用信息和所述待训练的预测适用信息，计算所述待训练的机器学习模型的损失函数值；
[0013]根据所述损失函数值，判断所述待训练的机器学习模型是否收敛，当所述待训练的机器学习模型未收敛时，调整所述待训练的机器学习模型参数，并进行下一次训练，当所述待训练的机器学习模型收敛时，得到训练完成的模型融合策略推荐模型。
[0014]可选的，按照以下方式获取所述样本数据集对应的标注适用信息：
[0015]针对每一待选择的模型融合策略，利用所述样本数据集训练利用待选择的模型融合策略进行模型融合的机器学习模型，进而确定该训练后的机器学习模型的模型准确率，作为该待选择的模型融合策略对应的准确度；
[0016]基于每一待选择的模型融合策略对应的准确度，确定各待选择的模型融合策略，是否适用于利用所述样本数据集，以得到所述样本数据集对应的标注适用信息。
[0017]可选的，所述基于每一待选择的模型融合策略对应的准确度，确定各待选择的模型融合策略，是否适用于利用所述样本数据集，包括：
[0018]将各待选择的模型融合策略中，对应的准确率大于准确率阈值的模型融合策略，确定为适用于利用所述样本数据集，以及将准确率不大于所述准确率阈值的模型融合策略，确定为不适用于利用所述样本数据集。
[0019]可选的，所述从所述至少一推荐的模型融合策略中，选择一模型融合策略，作为适用于所述目标数据集的模型融合策略，包括：
[0020]随机从所述至少一推荐的模型融合策略中，选择一模型融合策略，作为适用于所述目标数据集的模型融合策略；或者，
[0021]按照各推荐的模型融合策略的置信度，选择一模型融合策略，作为适用于所述目标数据集的模型融合策略。
[0022]可选的，每一数据集的数据集信息至少包括数据集基础信息、缺失值信息、特征信息、标签信息以及序列信息中的至少一种。
[0023]第二方面，本专利技术实施例提供一种模型融合策略的选择装置，所述装置包括：
[0024]第一获取模块，用于获取目标数据集的目标数据集信息；其中，所述目标数据集为用于对机器学习模型进行训练的训练数据集，每一数据集的数据集信息为：用于描述该数据集的信息；
[0025]信息输入模块，用于将所述目标数据集信息，输入预先训练的模型融合策略推荐模型，得到至少一推荐的模型融合策略；其中，所述模型融合策略推荐模型为：基于各样本数据集的样本数据集信息、以及每一样本数据集对应的标注适用信息训练得到的，每一数据集对应的适用信息指示：各待选择的模型融合策略是否适用于该数据集；
[0026]策略选择模块，用于从所述至少一推荐的模型融合策略中，选择一模型融合策略，作为适用于所述目标数据集的模型融合策略。
[0027]可选的，所述装置还包括：
[0028]第二获取模块，用于获取样本数据集的样本数据集信息和所述样本数据集对应的标注适用信息；
[0029]信息确定模块，用于将所述样本数据集信息输入至待训练的机器学习模型，以得到所述待训练的机器学习模型输出的结果，并根据所述待训练的机器学习模型的输出结果，确定预测适用信息，其中，所述预测适用信息指示：各待选择的模型融合策略是否适用于所述样本数据集；
[0030]损失值计算模块，用于基于所述标注适用信息和所述预测适用信息，计算所述待训练的机器学习模型的损失函数值；
[0031]模型判断模块，用于根据所述损失函数值，判断所述待训练的机器学习模型是否收敛，当所述待训练的机器学习模型未收敛时，调整所述待训练的机器学习模型参数，并进行下一次训练，当所述待训练的机器学习模型收敛时，得到训练完成的模型融合策略推荐模型。
[0032]可选的，所述信息确定模块，具体用于若所述机器学习模型的输出结果为：各待选
择的模型融合策略是否适用于所述样本数据集，则将所述待训练的机器学习模型的输出结果作为预测适用信息；若所述机器学习模型的输出结果为：各待选择的模型融合策略对所述样本数据集的适用度，则针对每一待选择的模型融合策略，基于该待选择的模型融合策略对所述样本数据集的适用度，确定该待选择的模型融合策略是否适用于所述样本数据集，得到预测适用信息。
[0033]可选的，所述第二获取模块，包括：
[0034]准确度确定子模块，用于针对每一待选择的模型融合策略，利用所述样本数据集训练利用待选择的模型融合策略进行模型融合的机器学习模型，进而确定该训练后的机器学习模型的模型准确率，作为该待选择的模型融合策略对应的准确度；
[0035]信息确定子模块，用于基于每一待选择的模型融合策略对应的准确度，确定各待选择的模型融合策略，是否适用于利用所述样本数据集，以得到所述样本数据集对应的标注适用信息。
[0036]可选的，所述信息确定子模块，具体用于将各待选择的模型融合策略中，对应的准确率大于准确率阈值的模型融合策略，确定为适用于利用所述样本数据集，以及将准确率不大于所述准确率阈值的模型融合策略，确定为不适用于利用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型融合策略的选择方法，其特征在于，所述方法包括：获取目标数据集的目标数据集信息；其中，所述目标数据集为用于对机器学习模型进行训练的训练数据集，每一数据集的数据集信息为：用于描述该数据集的信息；将所述目标数据集信息，输入预先训练的模型融合策略推荐模型，得到至少一推荐的模型融合策略；其中，所述模型融合策略推荐模型为：基于各样本数据集的样本数据集信息、以及每一样本数据集对应的标注适用信息训练得到的，每一数据集对应的适用信息指示：各待选择的模型融合策略是否适用于该数据集；从所述至少一推荐的模型融合策略中，选择一模型融合策略，作为适用于所述目标数据集的模型融合策略。2.根据权利要求1所述的方法，其特征在于，按照以下方式训练所述模型融合策略推荐模型：获取样本数据集的样本数据集信息和所述样本数据集对应的标注适用信息；将所述样本数据集信息输入至待训练的机器学习模型，以得到所述待训练的机器学习模型输出的结果，并根据所述待训练的机器学习模型的输出结果，确定预测适用信息，其中，所述预测适用信息指示：各待选择的模型融合策略是否适用于所述样本数据集；基于所述标注适用信息和所述预测适用信息，计算所述待训练的机器学习模型的损失函数值；根据所述损失函数值，判断所述待训练的机器学习模型是否收敛，当所述待训练的机器学习模型未收敛时，调整所述待训练的机器学习模型参数，并进行下一次训练，当所述待训练的机器学习模型收敛时，得到训练完成的模型融合策略推荐模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述待训练的机器学习模型的输出结果，确定预测适用信息，包括：若所述机器学习模型的输出结果为：各待选择的模型融合策略是否适用于所述样本数据集，则将所述待训练的机器学习模型的输出结果作为预测适用信息；若所述机器学习模型的输出结果为：各待选择的模型融合策略对所述样本数据集的适用度，则针对每一待选择的模型融合策略，基于该待选择的模型融合策略对所述样本数据集的适用度，确定该待选择的模型融合策略是否适用于所述样本数据集，得到预测适用信息。4.根据权利要求2所述的方法，其特征在于，按照以下方式获取所述样本数据集对应的标注适用信息：针对每一待选择的模型融合策略，利用所述样本数据集训练利用待选择的模型融合策略进行模型融合的机器学习模型，进而确定该训练后的机器学习模型的模型准确率，作为该待选择的模型融合策略对应的准确度；基于每一待选择的模型融合策略对应的准确度，确定各待选择的模型融合策略，是否适用于利用所述样本数据集，以得到所述样本数据集对应的标注适用信息。5.根据权利要求3所述的方法，其特征在于，所述基于每一待选择的模型融合策略对应的准确度，确定各待选择的模型融合策略，是否适用于利用所述样本数据集，包括：将各待选择的模型融合策略中，对应的准确率大于准确率阈值的模型融合策略，确定为适用于利用所述样本数据集，以及将准确率不大于所述准确率阈值的...

【专利技术属性】
技术研发人员：李国琪，邱星，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：