基于公平感知的多目标学习模型训练方法、装置、设备制造方法及图纸

技术编号:43890679 阅读:18 留言:0更新日期:2025-01-03 13:06
本发明专利技术涉及机器学习技术领域,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。本发明专利技术首先计算预训练机器学习模型的各个预设评估指标的指标值,然后根据各个预设评估指标的该指标值,计算各个预设评估指标的相关性,并根据该相关性,从各个预设评估指标中筛选出目标评估指标,最后根据该目标评估指标对机器学习模型进行下一轮的训练。本发明专利技术在每轮训练之后,都计算各个评估指标之间的相关性,并根据该相关性尽量筛选出相关性小或者无相关性甚至负相关性的评估指标,使得这些评估指标更能真实的评估出每轮训练之后的模型,也就是本发明专利技术在模型训练过程中调整评估指标,能够使得评估指标更好地适用于模型训练。

【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方案:

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所述的基于公平感知的多目标学习模型...

【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...

【专利技术属性】
技术研发人员:张清泉刘佳琳
申请(专利权)人:南方科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1