【技术实现步骤摘要】
模型生成方法、装置、电子设备及存储介质
[0001]本公开涉及计算机
,尤其涉及深度学习等人工智能等
,具体涉及一种模型生成方法、装置、电子设备及存储介质。
技术介绍
[0002]随着计算机技术的发展,人工智能技术也飞速发展。出现深度学习模型、机器学习模型等。这些模型能够根据输入的数据,进行某些数据的预测。由于模型可处理的数据类型广泛,因此可应用于各种场景。一般情况下,模型生成时,首要要求是预测效果准确,从而大部分模型生成或训练过程也以此为标准。但是仅具有预测效果准确的特点,仍然难以满足某些特殊场景下的预测要求,需要对模型进行进一步优化,使得模型在这些特殊场景下具有更优的综合效果。
技术实现思路
[0003]本公开提供了一种模型生成方法、装置、电子设备及存储介质。
[0004]根据本公开的第一方面,提供了一种模型生成方法,包括:确定样本中的多个属性分别对目标模型的稳定性影响程度;根据所述稳定性影响程度,从所述多个属性中确定目标属性;根据所述样本中的所述目标属性,对所述目标模型进行优化,生成优化后的目标模型。
[0005]根据本公开的第二方面,提供了一种模型生成装置,包括:影响程度确定模块,用于确定样本中的多个属性分别对目标模型的稳定性影响程度;选取模块,用于根据所述稳定性影响程度,从所述多个属性中确定目标属性;优化模块,用于根据所述样本中的所述目标属性,对所述目标模型进行优化,生成优化后的目标模型。
[0006]根据本公开的第三方面,提供了一种电子设备,包括:至少一 ...
【技术保护点】
【技术特征摘要】
1.一种模型生成方法,包括:确定样本中的多个属性分别对目标模型的稳定性影响程度;根据所述稳定性影响程度,从所述多个属性中确定目标属性;根据所述样本中的所述目标属性,对所述目标模型进行优化,生成优化后的目标模型。2.根据权利要求1所述的方法,其中,所述确定样本中的多个属性分别对目标模型的稳定性影响程度,包括:确定所述样本中的所述多个属性的内容的稳定性;根据所述多个属性的内容的稳定性,确定所述多个属性分别对所述目标模型的稳定性影响程度。3.根据权利要求2所述的方法,其中,所述确定所述样本中的所述多个属性的内容的稳定性,包括:确定所述多个属性中第i个属性的内容在不同样本中的变化信息;i为大于等于1的整数;根据所述变化信息,确定所述第i个属性的内容的稳定性。4.根据权利要求2所述的方法,其中,所述确定所述样本中的所述多个属性的内容的稳定性,包括:确定所述样本中所述多个属性中第i个属性的内容的区分度评估指标;i为大于等于1的整数;根据所述区分度评估指标,确定所述第i个属性的内容的稳定性。5.根据权利要求2所述的方法,其中,所述确定所述样本中的所述多个属性的内容的稳定性,包括:根据所述多个属性中第i个属性对应的正样本以及负样本,确定所述第i个属性对应的标记正样本率、未标记正样本率、标记负样本率、未标记负样本率;i为大于等于1的整数;根据所述第i个属性对应的标记正样本率、未标记正样本率、标记负样本率和未标记负样本率,确定所述第i个属性的内容的稳定性。6.根据权利要求1所述的方法,还包括:对所述优化后的目标模型进行稳定性评估,得到评估结果;根据所述评估结果,更新所述优化后的目标模型。7.根据权利要求6所述的方法,其中,所述对所述优化后的目标模型进行稳定性评估,得到评估结果,包括:将第j个属性在多个样本的多个内容分别输入所述优化后的目标模型,获得多个输出结果;j为大于等于1的整数;根据所述多个输出结果,确定所述评估结果。8.根据权利要求6所述的方法,其中,所述对所述优化后的目标模型进行稳定性评估,得到评估结果,包括:利用所述优化后的目标模型,对多个样本进行打分,获得多个分数;根据所述多个分数的取值范围,确定分数划分区间;根据所述优化后的目标模型在所述分数划分区间的区分度评估指标,确定待校验区间;
根据所述待校验区间对应的样本的待校验参数值,对所述优化后的目标模型进行稳定性评估,得到评估结果。9.根据权利要求1所述的方法,还包括:确定所述优化后的目标模型所包含的函数;根据所述函数之间的关联关系以及所述目标属性的样本的标签信息,确定区分度评估指标,根据所述区分度评估指标更新所述优化后的目标模型。10.一种模型生成装置,包括:影响程度确定模块,用于确定样本中的多个属性分别对目标模型的稳定性影响程度;选取模块,用于根据所述稳定性影响程度,从所述多个属性中确定目标属性;优化模块,用于根据所述样本中的所述目标属性,对所述目标模型进行优化,生成优化后的目...
【专利技术属性】
技术研发人员:李硕,陈才,刘昊骋,徐靖宇,孙倩,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
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。