一种支持机器学习模型训练的数据贡献激励方法和装置制造方法及图纸

本发明专利技术涉及机器学习技术领域，具体是涉及一种支持机器学习模型训练的数据贡献激励方法和装置。本发明专利技术采用数据持有终端提供的训练数据对机器学习模型进行训练，计算训练之后的机器学习模型的模型性能，模型性能用于表征训练之后的机器学习模型的好坏，之后根据模型性能计算出激励值，激励值能够反映出数据持有终端提供的训练数据对训练机器学习模型所做出的贡献大小，即激励值反映出数据持有终端提供的训练数据的质量是怎样的或者说是训练数据的价值是大还是小。等到下次有新的模型训练需求时，就可以优选考虑激励值大的数据持有终端中的训练数据了，从而能够得到高质量的训练数据，进而能够更好的训练机器学习模型。进而能够更好的训练机器学习模型。进而能够更好的训练机器学习模型。

【技术实现步骤摘要】
一种支持机器学习模型训练的数据贡献激励方法和装置


[0001]本专利技术涉及机器学习
，具体是涉及一种支持机器学习模型训练的数据贡献激励方法和装置。

技术介绍

[0002]数字经济是一种新型经济，数字经济的关键要素是数据资源，数字经济就是因数据资源的流通而产生的经济价值。数字经济中的典型是机器学习，机器学习技术包括监督学习(Supervised learning)、无监督学习(Unsupervised learning)、半监督学习(Semi
‑
supervised learning)。机器学习已被广泛应用于生物特征识别、机器人等众多领域。机器学习模型是该技术的产物。对机器学习模型进行交易是一种间接的数据交易形式，是数据间接产生价值的途径之一。它不仅能够克服数据隐私性和安全性的束缚，还能够增强数据的流转，提升数据的价值。由此催生出了机器学习模型市场的概念，即在训练机器学习的过程中需要大量的数据，这些大量的数据需要从数据持有方获得。
[0003]现有的机器学习模型市场如图2所示，由模型需求方(购买训练之后所得的机器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种支持机器学习模型训练的数据贡献激励方法，其特征在于，包括：获取数据持有终端发送的训练数据；依据所述训练数据对所述机器学习模型进行训练；计算训练之后的所述机器学习模型所对应的模型性能；依据所述模型性能，赋予所述训练数据所在的所述数据持有终端相应的激励值，所述激励值可用于作为下次训练所述机器学习模型挑选所述数据持有终端的依据之一。2.如权利要求1所述的支持机器学习模型训练的数据贡献激励方法，其特征在于，所述获取数据持有终端发送的训练数据，包括：将训练所述机器学习模型所需的数据信息发送至所述数据持有终端；获取所述数据持有终端依据所述数据信息所发送的所述训练数据和所述训练数据所对应的标签；将所述训练数据和所述训练数据所对应的标签按照设定格式进行打包；将打包之后的所述训练数据和所述训练数据所对应的标签保存在智能合约交易池中，所述智能合约交易池用于为后续的训练所述机器学习模型提供数据。3.如权利要求1所述的支持机器学习模型训练的数据贡献激励方法，其特征在于，所述训练数据为加密数据，所述依据所述训练数据对所述机器学习模型进行训练，包括：对所述训练数据进行解密，得到解密之后的所述训练数据；获取解密之后的所述训练数据所对应的标签；从所有所述训练数据中删除未与所述标签一致的数据，得到处理之后的所述训练数据；依据处理之后的所述训练数据对所述机器学习模型进行训练。4.如权利要求2所述的支持机器学习模型训练的数据贡献激励方法，其特征在于，所述依据所述训练数据对所述机器学习模型进行训练，包括：依据所述标签，从所述智能合约交易池中得到所述训练数据中的目标数据；提取所述智能合约交易池所定义的接口函数；依据所述目标数据，训练所述机器学习模型；在训练所述机器学习模型的过程中通过所述接口函数更新所述机器学习模型的参数，以完成对所述机器学习模型的训练。5.如权利要求1所述的支持机器学习模型训练的数据贡献激励方法，其特征在于，所述计算训练之后的所述机器学习模型所对应的模型性能，包括：获取验证输入数据和与验证输入数据对应的验证输出数据；将所述验证输入数据输入到训练之后的所述机器学习模型，得到训练之后的所述机器学习模型输出的数据；将所述验证输出数据与训练之后的所述机器学习模型输出的数据进行比较，得到所述模型性能中的模型精确率。6.如权利要求5所述的支持机器学习模型训练的数据贡献激励方法，其特征在于，所述数据激励方法还包括：采集训练之前的所述机器学习模型所涵盖的模型参数和训练之后的所述机器学习模型所涵盖的模型参数；
依据训练之前的所述机器学习模型所涵盖的模型参数和训练之后的所述机器学习模型所涵盖的模型参数，得到训练之后的所述机器学习模型相对训练之前的所述机器学习模型的信息增益。7.如权利要求6所述的支持机器学习模型训练的数据贡献激励方法，其特征在于，所述依据所述模型性能，赋予所述训练数据所在的所述数据持...

【专利技术属性】
技术研发人员：慕鑫，曾功贤，黄正安，马世龙，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：