模型训练方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，本发明专利技术公开了一种模型训练方法、装置、计算机设备及存储介质。该方法通过先采用训练集中的第一训练数据对N个通用模型训练，获取N个第一分类模型；再采用测试集中的第一训练数据对N个第一分类模型进行测试，以获取N个第一分类模型对应的模型测试结果，用于对测试集中的第一训练数据进行筛选，获得特征更为显著的第二训练数据；最终采用第二训练数据对N个第一分类模型进行模型训练，得到N个第二分类模型，并根据N个第二分类模型进行组合，获得精准度更高综合分类模型，从而解决模型训练所训练获得的模型的精确度不足的问题。确度不足的问题。确度不足的问题。

【技术实现步骤摘要】
模型训练方法、装置、计算机设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种模型训练方法、装置、计算机设备及存储介质。

技术介绍

[0002]神经网络模型的训练方式通常利用有监督学习、无监督学习或半监督学习，对分类模型进行训练，从而提高模型的精确度和稳定性，而不同的学习方式之间所使用的训练数据也具有一定的差异。其中，有监督的引导性更好，有监督学习其所使用的训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时可以判断出对应地标签，从而完成对模型的训练，稳定地提升模型的精确度和召回率。
[0003]现有技术中，有监督学习需要大量的训练数据对模型的参数进行改进，通常在提高模型精度时，选择对算法的改进，或模型的融合，但模型的训练效率略低，仍存在所获得的模型的精确度不足的问题。

技术实现思路

[0004]本专利技术实施例提供一种模型训练方法、装置、计算机设备及存储介质，解决现有模型训练所训练获得的模型，存在模型的精确度不足的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取第一训练数据，将所述第一训练数据划分为训练集和测试集；采用所述训练集中的第一训练数据对N个通用模型训练，获取N个第一分类模型；其中，N为正整数；采用所述测试集中的第一训练数据对N个所述第一分类模型进行测试，获取N个第一分类模型对应的模型测试结果；根据N个所述第一分类模型对应的模型测试结果，对所述测试集中的第一训练数据进行筛选，确定第二训练数据；采用所述第二训练数据对N个所述第一分类模型进行模型训练，获取N个第二分类模型；根据N个所述第二分类模型，获取综合分类模型。2.如权利要求1所述的模型训练方法，其特征在于，所述获取第一训练数据，包括：获取原始训练数据；对所述原始训练数据进行特征提取，获取训练数据特征；采用预设格式对所有所述训练数据特征进行处理，获取第一训练数据。3.如权利要求1所述的模型训练方法，其特征在于，所述将所述第一训练数据划分为训练集和测试集，包括：根据所述第一训练数据对应的项目数量和预设数量阈值，确定样本划分比例；根据所述样本划分比例，将所述第一训练数据划分为训练集和测试集。4.如权利要求1所述的模型训练方法，其特征在于，所述采用测试集中的第一训练数据对N个所述第一分类模型进行测试，获取N个第一分类模型对应的模型测试结果，包括：采用测试集中的第一训练数据对N个所述第一分类模型进行测试，确定每一所述第一分类模型对应的样本测试结果；根据测试集中的第一训练数据对应的项目数量和每一所述第一分类模型对应的样本测试结果，获取N个第一分类模型对应的模型测试结果。5.如权利要求1所述的模型训练方法，其特征在于，所述根据N个第一分类模型对应的模型测试结果，对测试集中的第一训练数据进行筛选，确定第二训练数据，包括：采用分位点策略，对N个第一分类模型对应的模型测试结果进行分类，获取M个分位点和每一分位点对应的累计精确率；其中，M为大于1的正整数。将累计精确率大于预设精确率对应的分位点，确定为每一所述第一分类模型对应的目标分位点，将所述目标分位点对应的第一训练数据，确定为...

【专利技术属性】
技术研发人员：黄移军，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：