System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种模型筛选方法和装置、电子设备及存储介质。
技术介绍
1、目前,根据历史数据选择合适的模型进行未知数据预测或者数据拟合时,例如在水泥产能预测场景中,根据历史水泥产能时序数据选择合适的模型进行未知水泥产能数据的预测时,通常需要人工对历史水泥产能时序数据进行筛选,再将筛选出来的历史水泥产能时序数据用于测试调优不同的模型,最后根据模型的输出结果选择最佳的模型应用到具体场景中,智能化程度低,导致模型应用效率低下,因此,如何提高模型筛选的效率,成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种统计模型筛选方法和装置、电子设备及存储介质,旨在提高模型筛选的效率。
2、为实现上述目的,本申请实施例的第一方面提出了一种统计模型筛选方法,所述方法包括:
3、接收客户端输入的时序数据,并对所述时序数据进行数据清洗处理,得到时序清洗数据;
4、响应于所述客户端发送的数据处理指令,根据所述数据处理指令对所述时序清洗数据进行时间序列预处理,得到标准时序数据;
5、响应于所述客户端发送的数据配置指令,根据所述数据配置指令对所述标准时序数据进行数据配置,得到目标时序数据,其中,所述目标时序数据包括实际输出数据;
6、响应于所述客户端发送的模型选择指令,根据所述模型选择指令从预设的模型库中选取备选统计模型;
7、基于所述目标时序数据对所述备选统计模型进行模型训练,得到训练输出数据;<
...【技术保护点】
1.一种统计模型筛选方法,其特征在于,应用于统计模型筛选模块,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述接收客户端输入的时序数据,并对所述时序数据进行数据清洗处理,得到时序清洗数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述目标时序数据对所述备选统计模型进行模型训练,得到训练输出数据,包括:
4.根据权利要求2所述的方法,其特征在于,所述利用所述时序封装数据对所述备选统计模型进行模型训练,得到所述模型训练输出,包括:
5.根据权利要求1所述的方法,其特征在于,所述响应于所述客户端发送的数据处理指令,根据所述数据处理指令对所述时序清洗数据进行时间序列预处理,得到标准时序数据,包括:
6.根据权利要求1至5任一项所述的方法,其特征在于,所述响应于所述客户端发送的数据配置指令,根据所述数据配置指令对所述标准时序数据进行数据配置,得到目标时序数据,包括:
7.根据权利要求1至5任一项所述的方法,其特征在于,所述响应于所述客户端发送的模型筛选指令,根据所述模型筛选指令、所述训练输
8.一种统计模型筛选装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的模型筛选方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的模型筛选方法。
...【技术特征摘要】
1.一种统计模型筛选方法,其特征在于,应用于统计模型筛选模块,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述接收客户端输入的时序数据,并对所述时序数据进行数据清洗处理,得到时序清洗数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述目标时序数据对所述备选统计模型进行模型训练,得到训练输出数据,包括:
4.根据权利要求2所述的方法,其特征在于,所述利用所述时序封装数据对所述备选统计模型进行模型训练,得到所述模型训练输出,包括:
5.根据权利要求1所述的方法,其特征在于,所述响应于所述客户端发送的数据处理指令,根据所述数据处理指令对所述时序清洗数据进行时间序列预处理,得到标准时序数据,包括:
6.根据权利要求1至5任一项所述的方法,其特征在于,...
【专利技术属性】
技术研发人员:雷晓宇,孙庆阳,李辉栋,王薪程,任智明,曹民华,
申请(专利权)人:华润数字科技有限公司,
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。