业务数据处理模型训练方法技术

本申请公开了一种业务数据处理模型训练方法，所述方法包括：根据机器学习求解器中N个待选训练算法的用于表征待选训练算法的求解效率的权重值，从大到小抽取前K个待选训练算法；利用K个待选训练算法分别对业务数据处理模型对应的子问题进行求解；基于求解误差最小的目标训练算法执行对业务数据处理模型的训练任务；在训练任务执行第一预设时长之后，根据各个待选训练算法的求解误差对应调整各个待选训练算法的权重值，并返回执行所述从大到小抽取前K个待选训练算法的步骤，直至满足预设条件时，得到训练完成的业务数据处理模型。通过本申请提供的技术方案能够提高机器学习的算法选择准确性，以及保证了不同训练阶段的均可匹配高效率的算法。

【技术实现步骤摘要】

本申请属于计算机及数据处理，尤其涉及一种业务数据处理模型训练方法、装置、程序产品、介质及电子设备。

技术介绍

1、近年来，机器学习在各个领域得到了长足的发展，越来越多的企业应用机器学习来进行商业预判和分析。现有主流机器学习求解器例如h2o/scikit learn/tensorflow等一般是基于某一特定的训练算法，比如(随机)梯度法，共轭梯度法，，admm，拟牛顿法等。这些算法的选择都是需要用户自行进行判断和选用，算法的判断和选用过程需要丰富的经验。

2、但是，人工的选择往往只能设计简单实验估算算法的好坏，但这种估计结果不够准确，算法表现性不够鲁棒，可能刚开始效率很高的算法但是到后面效率反而变差。基于此，如何提高机器学习的算法选择准确性是亟待解决的技术问题。

技术实现思路

1、本申请的实施例提供了一种业务数据处理模型训练方法、装置、计算机程序产品、计算机可读存储介质及电子设备，进而至少在一定程度上可以提高机器学习的算法选择准确性，以及保证了不同训练阶段的均可匹配高效率的算法。

2、本本文档来自技高网...

【技术保护点】

1.一种业务数据处理模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在第一次根据N个待选训练算法的权重值，从大到小抽取前K个待选训练算法之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述利用所述K个待选训练算法分别对业务数据处理模型对应的子问题进行求解，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据各个待选训练算法的求解误差对应调整各个待选训练算法的权重值，包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，所述机器学习求解器还包括预设的加速算法，所述加速算法用于加...

【技术特征摘要】

1.一种业务数据处理模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在第一次根据n个待选训练算法的权重值，从大到小抽取前k个待选训练算法之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述利用所述k个待选训练算法分别对业务数据处理模型对应的子问题进行求解，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据各个待选训练算法的求解误差对应调整各个待选训练算法的权重值，包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，所述机器学习求解器还包括预设的加速算法，所述加速算法用于加速目标训练算法对业务数据处理模型的训练。

6.根据权利要求5所述的方法，其特征在于，所述加速算法为nesterov加速算法。

【专利技术属性】
技术研发人员：张天成，黄翔，兰程昊，伍健，罗小渠，王曦，
申请(专利权)人：杉数科技北京有限公司，
类型：发明
国别省市：