【技术实现步骤摘要】
本申请涉及机器学习领域，特别涉及一种基于测试阶段的模型调整方法、装置、设备、介质及产品。
技术介绍
1、在深度学习模型中，模型的信心估计可能不准确，通常表现为过于自信，通常需要进行信心校准，信心校准是指模型在预测时给出的概率或置信度与真实情况的一致性，模型经过良好的信心校准后，在给出概率预测时，其预测概率值与真实情况相对一致。
2、相关技术中，需要引入额外的验证集参与模型的信心校准，通过训练得到的模型对验证集进行预测，基于模型对验证集输出的预测概率进行概率校准，使模型的针对验证集的输出概率更接近验证集对应的真实概率。
3、然而，上述方法要求验证集与测试集的数据分布保持一致，验证集数据的获取难度较大，模型信心校准效率较低，从而模型预测准确性较低。
技术实现思路
1、本申请实施例提供了一种基于测试阶段的模型调整方法、装置、设备、存储介质及产品，能够提高模型校准效率。所述技术方案如下。
2、一方面，提供了一种基于测试阶段的模型调整方法，所述方法包括：
<...【技术保护点】
1.一种基于测试阶段的模型调整方法，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，所述基于所述第一分类预测结果与所述第二分类预测结果之间的概率分布差异，确定第一参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一分类预测结果和所述参考分类结果之间的置信度差异关系，确定第一参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述以所述参考分类结果为基准，基于所述第一分类预测结果和所述参考分类结果之间的置信度差异关系，确定使得所述第一分类预测结果的置信度趋向于所述参考分类结果的所述第一参数
【技术特征摘要】
1.一种基于测试阶段的模型调整方法，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，所述基于所述第一分类预测结果与所述第二分类预测结果之间的概率分布差异，确定第一参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一分类预测结果和所述参考分类结果之间的置信度差异关系，确定第一参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述以所述参考分类结果为基准，基于所述第一分类预测结果和所述参考分类结果之间的置信度差异关系，确定使得所述第一分类预测结果的置信度趋向于所述参考分类结果的所述第一参数，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述测试数据对应的第二分类预测结果中符合预设概率要求的预测概率，确定所述测试数据对应的参考分类结果，包括：
6.根据权利要求1至5任一所述的方法，其特征在于，所述针对目标测试数据，基于多个关联测试数据的第一分类预测结果，确定所述目标测试数据的第二分类预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述针对所述目标测试数据获取所述多个关联测试数据，包括：
8.根据权利要求7所述的方法，其特征在于，所述获取所述测试数据集中与所述目标测试数据符合相邻关系的多个相邻...
【专利技术属性】
技术研发人员：马焕，
申请(专利权)人：腾讯科技深圳有限公司，
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。