【技术实现步骤摘要】
本专利技术涉及机器学习,具体是涉及基于公平感知的多目标学习模型训练方法、装置、设备。
技术介绍
1、机器学习模型的每一次迭代训练都要计算该模型的评估指标的指标值,以根据该指标值进行下一轮的迭代训练。比如评估指标包括用于评估机器学习模型公平性的指标和用于评估机器学习模型准确性的指标。现有技术在训练机器学习模型之前,通过先验知识或大量计算成本定义出评估指标,由于是在训练机器学习模型之前已定义好评估指标,但是预先定义的评估指标并不一定能够匹配训练时使用的数据集,也不一定适用于每轮的训练,因此预先定义的评估指标并不适用于机器学习模型的训练。
2、综上所述,现有技术中预先定义的评估指标不适用于机器学习模型的训练。
3、因此,现有技术还有待改进和提高。
技术实现思路
1、为解决上述技术问题,本专利技术提供了基于公平感知的多目标学习模型训练方法、装置、设备,解决了现有技术中预先定义的评估指标不适用于机器学习模型训练的问题。
2、为实现上述目的,本专利技术采用了以下技术
本文档来自技高网...
【技术保护点】
1.一种基于公平感知的多目标学习模型训练方法,其特征在于,包括:
2.如权利要求1所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述确定每个所述预训练机器学习模型的各个预设评估指标的指标值,包括:
3.如权利要求1所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述依据所述相关性信息,从各个所述预设评估指标中筛选出目标评估指标,包括:
4.如权利要求1-3任一项所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述依据所述目标评估指标,确定已训练机器学习模型,包括:
5.如权利要求4所述的基于公平
...【技术特征摘要】
1.一种基于公平感知的多目标学习模型训练方法,其特征在于,包括:
2.如权利要求1所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述确定每个所述预训练机器学习模型的各个预设评估指标的指标值,包括:
3.如权利要求1所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述依据所述相关性信息,从各个所述预设评估指标中筛选出目标评估指标,包括:
4.如权利要求1-3任一项所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述依据所述目标评估指标,确定已训练机器学习模型,包括:
5.如权利要求4所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述在训练数据集上训练子代模型,得到初训练模型,包括:
6.如权利要求4所述的基于公平感知的多目标学习模型训练方法,其特征在于,所述依据所述初训练模型,得到已训练机器学习模...
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。