模型训练方法技术

本申请提供一种模型训练方法

【技术实现步骤摘要】
模型训练方法、任务执行结果的确定方法、装置及设备


[0001]本申请涉及计算机
，尤其涉及一种模型训练方法
、
任务执行结果的确定方法
、
装置及设备
。

技术介绍

[0002]在实际工作中，开展一个工作任务，通常需要对任务进行风险管控，以确保任务执行成功
。
[0003]在相关技术中，可以通过模型对任务的执行结果进行预测
。
在对模型的训练过程中，可以获取样本数据，样本数据可以包括不同类型的多个任务
、
以及每个任务的多个参数值，通过样本数据对模型进行训练，得到目标模型
。
然而，在上述过程中，由于任务的种类繁多，且每个任务的多个参数值对应的参数类型可能不同，导致对模型进行训练的效率较低
。

技术实现思路

[0004]本申请提供一种模型训练方法
、
任务执行结果的确定方法
、
装置及设备，用以提高对模型进行训练的效率
。
[0005]第一方面，本申请提供一种模型训练方法，包括：
[0006]确定目标任务类型，并根据所述目标任务类型确定多个历史任务，所述历史任务的任务类型为所述目标任务类型；
[0007]获取每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值；
[0008]根据每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，所述目标参数类型与所述任务执行结果的相关度大于或等于预设阈值；
[0009]根据所述多个目标参数类型获取多个训练样本，所述训练样本中包括样本任务的多个样本任务参数
、
以及所述样本任务的样本执行结果，所述样本任务的任务类型为所述目标任务类型，所述样本任务参数的参数类型为所述目标参数类型；
[0010]根据所述多个训练样本对待训练模型进行训练，得到目标模型，所述目标模型用于预测所述目标任务的任务执行结果
。
[0011]在一种可能的实施方式中，根据每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，包括：
[0012]根据每个历史任务的任务执行结果，对所述多个历史任务进行分类处理，得到多个历史任务集合，所述历史任务集合中各历史任务的任务执行结果相同；
[0013]针对任意一个历史任务集合，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型；
[0014]确定所述多个目标参数类型包括每个历史任务集合对应的目标参数类型
。
[0015]在一种可能的实施方式中，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型，包括：
[0016]对所述历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值；
[0017]根据所述历史任务集合中各历史任务的多个归一化参数值，确定各参数类型对应的参数分布信息；
[0018]根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型
。
[0019]在一种可能的实施方式中，所述参数分布信息为参数曲线图；根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型，包括：
[0020]针对任意一个参数类型，根据所述参数类型对应的参数曲线图，确定所述参数类型对应的参数波动值；
[0021]将参数波动值小于或等于预设波动值的参数类型，确定为所述历史任务集合对应的目标参数类型
。
[0022]在一种可能的实施方式中，根据所述多个训练样本对所述待训练模型进行训练，得到目标模型，包括：
[0023]将所述多个训练样本划分为训练集和验证集；
[0024]通过所述训练集对所述待训练模型进行模型训练，得到中间模型；
[0025]根据所述验证集对所述中间模型进行验证处理，得到所述中间模型的处理精确度；
[0026]若所述处理精确度大于或等于精度阈值，则将所述中间模型确定为所述目标模型；
[0027]若所述处理精确度小于所述精度阈值，则根据所述处理精确度对所述中间模型进行更新处理，得到所述目标模型
。
[0028]在一种可能的实施方式中，所述方法还包括：
[0029]确定每个目标参数类型在所述目标模型中的权重值，所述权重值用于指示对所述任务执行结果的影响程度；
[0030]显示各目标参数类型对应的权重值
。
[0031]第二方面，本申请提供一种任务执行结果的确定方法，包括：
[0032]确定目标任务对应的多个目标参数类型；
[0033]根据所述多个目标参数类型，获取所述目标任务的多个任务参数；
[0034]通过目标模型对所述多个任务参数进行处理，得到所述目标任务的任务执行结果，所述目标模型为根据第一方面任一项所述的方法确定的
。
[0035]第三方面，本申请提供一种模型训练装置，包括：第一确定模块
、
第一获取模块
、
第二确定模块
、
第二获取模块和训练模块，其中，
[0036]所述第一确定模块用于，确定目标任务类型，并根据所述目标任务类型确定多个历史任务，所述历史任务的任务类型为所述目标任务类型；
[0037]所述第一获取模块用于，获取每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值；
[0038]所述第二确定模块用于，根据每个历史任务的任务执行结果
、
以及多个参数类型
对应的多个参数值，在多个参数类型中确定多个目标参数类型，所述目标参数类型与所述任务执行结果的相关度大于或等于预设阈值；
[0039]所述第二获取模块用于，根据所述多个目标参数类型获取多个训练样本，所述训练样本中包括样本任务的多个样本任务参数
、
以及所述样本任务的样本执行结果，所述样本任务的任务类型为所述目标任务类型，所述样本任务参数的参数类型为所述目标参数类型；
[0040]所述训练模块用于，根据所述多个训练样本对待训练模型进行训练，得到目标模型，所述目标模型用于预测所述目标任务的任务执行结果
。
[0041]在一种可能的实施方式中，所述第二确定模块具体用于：
[0042]根据每个历史任务的任务执行结果，对所述多个历史任务进行分类处理，得到多个历史任务集合，所述历史任务集合中各历史任务的任务执行结果相同；
[0043]针对任意一个历史任务集合，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集本文档来自技高网...

【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：确定目标任务类型，并根据所述目标任务类型确定多个历史任务，所述历史任务的任务类型为所述目标任务类型；获取每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值；根据每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，所述目标参数类型与所述任务执行结果的相关度大于或等于预设阈值；根据所述多个目标参数类型获取多个训练样本，所述训练样本中包括样本任务的多个样本任务参数
、
以及所述样本任务的样本执行结果，所述样本任务的任务类型为所述目标任务类型，所述样本任务参数的参数类型为所述目标参数类型；根据所述多个训练样本对待训练模型进行训练，得到目标模型，所述目标模型用于预测所述目标任务的任务执行结果
。2.
根据权利要求1所述的方法，其特征在于，根据每个历史任务的任务执行结果
、
以及多个参数类型对应的多个参数值，在多个参数类型中确定多个目标参数类型，包括：根据每个历史任务的任务执行结果，对所述多个历史任务进行分类处理，得到多个历史任务集合，所述历史任务集合中各历史任务的任务执行结果相同；针对任意一个历史任务集合，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型；确定所述多个目标参数类型包括每个历史任务集合对应的目标参数类型
。3.
根据权利要求2所述的方法，其特征在于，根据所述历史任务集合中各历史任务的多个参数值，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型，包括：对所述历史任务集合中各历史任务的多个参数值进行归一化处理，得到多个归一化参数值；根据所述历史任务集合中各历史任务的多个归一化参数值，确定各参数类型对应的参数分布信息；根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型
。4.
根据权利要求3所述的方法，其特征在于，所述参数分布信息为参数曲线图；根据各参数类型对应的参数分布信息，在所述多个参数类型中确定所述历史任务集合对应的目标参数类型，包括：针对任意一个参数类型，根据所述参数类型对应的参数曲线图，确定所述参数类型对应的参数波动值；将参数波动值小于或等于预设波动值的参数类型，确定为所述历史任务集合对应的目标参数类型
。5.
根据权利要求1‑4任一项所述的方法，其特征在于，根据所述多个训练样本对所述待训练模型进行训练，得到目标模型，包括：将所述多个训练样本划分为训练集和验证集；通过所述训练集对所述待训练模型进行模型训练，得到中间模型；根据所述验证集对所述...

【专利技术属性】
技术研发人员：刘旗艳，徐翠萍，向明月，牟航，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：