本发明专利技术公开了一种多方异构模型集成预测方法、装置、存储介质以及系统，在将接收到用户发送的预测请求信息并发送给具有本地机器学习模型的多个预测方后，针对各个预测方反馈的预测结果，通过预设的真值发现算法对所有预测结果进行聚合运算以获得聚合结果，该集成预测方法、装置、存储介质以及系统兼顾了结果隐私、服务真实性和准确率。服务真实性和准确率。服务真实性和准确率。
【技术实现步骤摘要】
一种多方异构模型集成预测方法、装置、存储装置及系统
[0001]本专利技术涉及多方异构模型集成预测
，尤其涉及一种多方异构模型集成预测方法、装置、计算机可读存储介质及系统。
技术介绍
[0002]在现实世界中，许多数据持有者，如移动应用程序、医院和银行，能够使用他们持有的数据来训练模型，并利用训练过的模型来实现功能和业务创新。从另一个角度来看，大多数个体因缺乏数据和计算资源无法训练机器学习模型，因此他们很难从机器学习训练结果中受益。即使个体拥有一个模型，它依然有现实需求去集成其他模型来提供更准确的预测服务。
[0003]在现有技术中，模型预测集成方法包括大多数投票、取平均值的方法，但这些方法不能直接应用到上述可能存在大多数不真实预测结果的场景，无法确保预测结果真实性和准确率。
[0004]但是，现有技术仍存在如下缺陷：现有机器学习模型预测服务无法兼顾结果隐私、服务真实性和准确率。
[0005]因此，当前需要一种多方异构模型集成预测方法、装置、计算机可读存储介质以及系统，从而克服现有技术中存在的上述缺陷。
技术实现思路
[0006]本专利技术实施例提供一种多方异构模型集成预测方法、装置、计算机可读存储介质以及系统，从而兼顾结果隐私、服务真实性和准确率。
[0007]本专利技术一实施例提供一种多方异构模型集成预测方法，所述集成预测方法包括：接收用户发送的预测请求信息；将所述预测请求信息发送给多个预测方，以使各个预测方分别根据所述预测请求信息以及对应的本地机器学习模型进行预测以获取预测结果，并分别反馈预测结果；接收所述预测结果，并通过预设的真值发现算法，对所述预测结果进行聚合运算，从而获取聚合预测结果。
[0008]作为上述方案的改进，通过预设的真值发现算法，对所述预测结果进行聚合运算，从而获取聚合预测结果，具体包括：将所有预测结果定义为第一预设形式，并设置各个预测结果对应的本地机器学习模型的权重以及迭代回合数；所述第一预设形式为其中，为包含连续数据的向量所述权重在初始时为1；以预设的加权平均公式，对所有预测结果进行迭代加权平均以获取预测值，根据所述预测值以及预设的距离更新公式对所述权重和所述迭代回合数进行更新，在更新后的迭代回合数达到预设的回合数阈值时停止迭代，并输出最终的聚合预测结果。
[0009]作为上述方案的改进，所述集成预测方法还包括：根据预设的收益期望公式、预设的收益约束条件、所述聚合预测结果以及所述预测结果，相应对各个预测方的预测服务进
行定价以获取预测价格，并将各个预测结果对应的预测价格发送给各个预测方。
[0010]作为上述方案的改进，所述加权平均公式为：其中，O
{j(r+1)}
表示第r+1回合聚合预测结果。
[0011]作为上述方案的改进，所述距离更新公式为：其中，损失函数f
loss
(
·
)为归一化平方损失函数。
[0012]作为上述方案的改进，所述收益期望公式为：其中，p(
·
)为定价函数；c(
·
)为成本函数；d0为存款；u
i
(S)为预测方的收益函数。
[0013]作为上述方案的改进，根据预设的收益期望公式、预设的收益约束条件、所述聚合预测结果以及所述预测结果，相应对各个预测方的预测服务进行定价以获取预测价格，具体包括：根据预设的收益期望公式、所述聚合预测结果以及所述预测结果，计算各个预测结果对应的定价价格以及收益期望；根据预设的收益约束条件、所述定价价格以及所述收益期望，判断所述预测结果是否符合预设的博弈论定价机制，并在判断认为所述预测结果符合所述博弈论定价机制时，将所述定价价格输出为预测价格。
[0014]本专利技术另一实施例对应提供了一种多方异构模型集成预测装置，所述集成预测装置包括请求接收单元、预测单元以及聚合运算单元，其中，所述请求接收单元用于接收用户发送的预测请求信息；所述预测单元用于将所述预测请求信息发送给多个预测方，以使各个预测方分别根据所述预测请求信息以及对应的本地机器学习模型进行预测以获取预测结果，并分别反馈预测结果；所述聚合运算单元用于接收所述预测结果，并通过预设的真值发现算法，对所述预测结果进行聚合运算，从而获取聚合预测结果。
[0015]作为上述方案的改进，所述聚合运算单元还用于：将所有预测结果定义为第一预设形式，并设置各个预测结果对应的本地机器学习模型的权重以及迭代回合数；所述第一预设形式为其中，为包含连续数据的向量所述权重在初始时为1；以预设的加权平均公式，对所有预测结果进行迭代加权平均以获取预测值，根据所述预测值以及预设的距离更新公式对所述权重和所述迭代回合数进行更新，在更新后的迭代回合数达到预设的回合数阈值时停止迭代，并输出最终的聚合预测结果。
[0016]作为上述方案的改进，所述集成预测装置还包括博弈定价单元，所述博弈定价单元用于：根据预设的收益期望公式、预设的收益约束条件、所述聚合预测结果以及所述预测结果，相应对各个预测方的预测服务进行定价以获取预测价格，并将各个预测结果对应的预测价格发送给各个预测方。
[0017]作为上述方案的改进，所述博弈定价单元还用于：根据预设的收益期望公式、所述聚合预测结果以及所述预测结果，计算各个预测结果对应的定价价格以及收益期望；根据预设的收益约束条件、所述定价价格以及所述收益期望，判断所述预测结果是否符合预设的博弈论定价机制，并在判断认为所述预测结果符合所述博弈论定价机制时，将所述定价
价格输出为预测价格。
[0018]本专利技术另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前所述的多方异构模型集成预测方法。
[0019]本专利技术另一实施例提供了一种多方异构模型集成预测系统，所述集成预测系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的多方异构模型集成预测方法。
[0020]与现有技术相比，本技术方案存在如下有益效果：
[0021]本专利技术提供了一种多方异构模型集成预测方法、装置、计算机可读存储介质以及系统，在将接收到用户发送的预测请求信息并发送给具有本地机器学习模型的多个预测方后，针对各个预测方反馈的预测结果，通过预设的真值发现算法对所有预测结果进行聚合运算以获得聚合结果，该集成预测方法、装置、计算机可读存储介质以及系统兼顾了结果隐私、服务真实性和准确率。
附图说明
[0022]图1是本专利技术一实施例提供的一种多方异构模型集成预测方法的流程示意图；
[0023]图2是本专利技术一实施例提供的一种多方异构模型集成预测装置的结构示意图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多方异构模型集成预测方法，其特征在于，所述集成预测方法包括：接收用户发送的预测请求信息；将所述预测请求信息发送给多个预测方，以使各个预测方分别根据所述预测请求信息以及对应的本地机器学习模型进行预测以获取预测结果，并分别反馈预测结果；接收所述预测结果，并通过预设的真值发现算法，对所述预测结果进行聚合运算，从而获取聚合预测结果。2.根据权利要求1所述的多方异构模型集成预测方法，其特征在于，通过预设的真值发现算法，对所述预测结果进行聚合运算，从而获取聚合预测结果，具体包括：将所有预测结果定义为第一预设形式，并设置各个预测结果对应的本地机器学习模型的权重以及迭代回合数；所述第一预设形式为其中，为包含连续数据的向量所述权重在初始时为1；以预设的加权平均公式，对所有预测结果进行迭代加权平均以获取预测值，根据所述预测值以及预设的距离更新公式对所述权重和所述迭代回合数进行更新，在更新后的迭代回合数达到预设的回合数阈值时停止迭代，并输出最终的聚合预测结果。3.根据权利要求1所述的多方异构模型集成预测方法，其特征在于，所述集成预测方法还包括：根据预设的收益期望公式、预设的收益约束条件、所述聚合预测结果以及所述预测结果，相应对各个预测方的预测服务进行定价以获取预测价格，并将各个预测结果对应的预测价格发送给各个预测方。4.根据权利要求2所述的多方异构模型集成预测方法，其特征在于，所述加权平均公式为：其中，O
{j(r+1)}
表示第r+1回合聚合预测结果。5.根据权利要求2所述的多方异构模型集成预测方法，其特征在于，所述距离更新公式为：其中，损失函数f
loss
(
·
)为归一化平方损失函数。6.根据权利要求3所述的多方异构模型集成预测方法，其特征在于，所述收益期望公式为：其...
【专利技术属性】
技术研发人员：张昊天，梁友，林吉达，李瑞健，周兆基，
申请(专利权)人：广州芳禾数据有限公司，
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。