CN108090678A - 一种数据模型监控方法、系统、设备及计算机存储介质 - Google Patents
一种数据模型监控方法、系统、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN108090678A CN108090678A CN201711374825.XA CN201711374825A CN108090678A CN 108090678 A CN108090678 A CN 108090678A CN 201711374825 A CN201711374825 A CN 201711374825A CN 108090678 A CN108090678 A CN 108090678A
- Authority
- CN
- China
- Prior art keywords
- data model
- data
- performance indicator
- operation data
- performance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Debugging And Monitoring (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种数据模型监控方法、系统、设备及计算机存储介质,其中该方法包括:获取目标数据模型在预设数量的时间段内的运行数据;获取运行数据对应的性能指标;基于性能指标和运行数据对目标数据模型进行性能评价,得到评价结果。本发明公开的一种数据模型监控方法借助数据模型的运行数据、运行数据的性能指标实现了对数据模型的性能评价,与现有技术中监控人员凭经验判断数据模型的性能相比,准确性更高。综上所述,本发明公开的一种数据模型监控方法在一定程度上解决了如何提高现有的一种数据模型监控方法的准确性的技术问题。本发明公开的一种数据模型监控系统、设备及计算机存储介质也解决了相应的技术问题。
Description
技术领域
本发明涉及大数据技术领域,更具体地说,涉及一种数据模型监控方法、系统、设备及计算机存储介质。
背景技术
随着大数据技术的进步,在业务中使用数据模型越来越普及,这里所说的数据模型指的是能够输出运行结果的模型。然而,数据模型具有衰减性,也即数据模型运行结果数据的能力会随着输入数据的更新而降低,因此,需要对数据模型的性能进行监控。
现有的一种数据模型监控方法是:监控人员凭经验判断数据模型的性能是否下降。
然而,现有的一种数据模型监控方法的准确性依赖于监控人员的经验,准确性低。
综上所述,如何提高现有的一种数据模型监控方法的准确性是目前本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种数据模型监控方法,其能在一定程度上解决如何提高现有的一种数据模型监控方法的准确性的技术问题。本发明还提供了一种数据模型监控系统、设备及计算机存储介质。
为了实现上述目的,本发明提供如下技术方案:
一种数据模型监控方法,包括:
获取目标数据模型在预设数量的时间段内的运行数据;
获取所述运行数据对应的性能指标;
基于所述性能指标和所述运行数据对所述目标数据模型进行性能评价,得到评价结果。
优选的,所述获取目标数据模型在预设数量的时间段内的运行数据,包括:
获取目标数据模型在预设数量的时间段内的运行数据,所述时间段的单位为周。
优选的,所述获取所述运行数据对应的性能指标,包括:
获取所述运行数据对应的性能指标,所述性能指标包括数据分布指标、数据稳定性指标。
优选的,所述获取所述运行数据对应的性能指标,包括:
获取所述运行数据对应的性能指标,所述性能指标包括KS指标、AUC指标。
优选的,所述基于所述性能指标和所述运行数据对所述目标数据模型进行性能评价,包括:
对任意相邻两时间段内的运行数据的性能指标进行对比,得到对比结果;
基于所述对比结果对所述目标数据模型进行性能评价。
优选的,所述得到评价结果之后,还包括:
显示所述评价结果。
优选的,所述显示所述评价结果,包括:
以图的形式显示所述评价结果。
一种数据模型监控系统,包括:
运行数据模块,用于获取目标数据模型在预设数量的时间段内的运行数据;
性能指标模块,用于获取所述运行数据对应的性能指标;
性能评价模块,用于基于所述性能指标和所述运行数据对所述目标数据模型进行性能评价,得到评价结果。
一种数据模型监控设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一所述一种数据模型监控方法的步骤。
一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述一种数据模型监控方法的步骤。
本发明提供的一种数据模型监控方法,先获取目标数据模型在预设数量的时间段内的运行数据;接着获取运行数据对应的性能指标;最后基于性能指标和运行数据对目标数据模型进行性能评价,得到评价结果。本发明提供的一种数据模型监控方法借助数据模型的运行数据、运行数据的性能指标实现了对数据模型的性能评价,与现有技术中监控人员凭经验判断数据模型的性能相比,准确性更高。综上所述,本发明提供的一种数据模型监控方法在一定程度上解决了如何提高现有的一种数据模型监控方法的准确性的技术问题。本发明提供的一种数据模型监控系统、设备及计算机存储介质也解决了相应的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种数据模型监控方法的流程图;
图2为应用本发明实施例提供的一种数据模型监控方法对用户信用风险决策模型进行性能评价的流程图;
图3为本发明实施例提供的一种数据模型监控系统的结构示意图;
图4为本发明实施例提供的一种数据模型监控设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的一种数据模型监控方法中各个步骤的动作执行主体可以为本发明实施例提供的一种数据模型监控系统,而该系统可以内置于计算机、服务器等,所以本发明实施例提供的一种数据监控方法中各个步骤的动作执行主体可以为内置该系统的计算机、服务器等。为了描述方便,这里将本发明实施例提供的一种数据模型监控方法中各个步骤的动作执行主体设为本发明实施例提供的一种数据模型监控系统,简称为监控系统。
请参阅图1,图1为本发明实施例提供的一种数据模型监控方法的流程图。
本发明实施例提供的一种数据模型监控方法,可以包括以下步骤:
步骤S101:获取目标数据模型在预设数量的时间段内的运行数据。
实际应用中,监控系统可以先获取目标数据模型在预设数量的时间段内的运行数据。这里所说的数据模型指的是能够输出运行结果的模型;目标数据模型指的是当前被监控的数据模型;运行数据指的是目标数据模型的输入数据和/或输出数据。监控系统获取的运行数据可以是监控系统实时接收外界输入得到的,也可以是监控系统自身采集各个时间段内的运行数据得到的等。这里所说的时间段的单位可以为小时、日、月、年等,比如当前周、上周、上上周等,时间段可以根据实际需要设定。
步骤S102:获取运行数据对应的性能指标。
监控系统在得到运行数据后,便可以获取运行数据对应的性能指标。这里所说的性能指标指的是与运行数据对应的、能够反映目标数据模型的性能的指标,性能指标可以根据实际需要确定。实际应用中,可以根据运行数据的类型来获取相应的性能指标,这时,监控系统中可以预先存储有每类运行数据及该类运行数据对应的性能指标间的对应关系,监控系统在得到运行数据后,便可以在自身保存的对应关系中获取与该运行数据对应的性能指标;当然,还可以根据运行数据的内容来获取相应的性能指标等,本发明在这里不做具体限定。实际应用中,监控系统获取的性能指标还可以是外界实时输入给监控系统的,本发明在这里不做具体限定。
步骤S103:基于性能指标和运行数据对目标数据模型进行性能评价,得到评价结果。
监控系统在得到运行数据和性能指标后,便可以根据获得的运行数据和性能指标对目标数据模型进行性能评价,得到相应的评价结果。
本发明提供的一种数据模型监控方法,先获取目标数据模型在预设数量的时间段内的运行数据;接着获取运行数据对应的性能指标;最后基于性能指标和运行数据对目标数据模型进行性能评价,得到评价结果。本发明提供的一种数据模型监控方法借助数据模型的运行数据、运行数据的性能指标实现了对数据模型的性能评价,与现有技术中监控人员凭经验判断数据模型的性能相比,准确性更高。综上所述,本发明提供的一种数据模型监控方法在一定程度上解决了如何提高现有的一种数据模型监控方法的准确性的技术问题。
本发明实施例提供的一种数据模型监控方法中,步骤S101获取目标数据模型在预设数量的时间段内的运行数据,具体可以为:
获取目标数据模型在预设数量的时间段内的运行数据,时间段的单位为周。
为了获的较好的监控效果,同时在一定程度上降低监控系统的服务压力,实际应用中,监控系统可以以周为单位获取运行数据;与以日为单位获取运行数据相比,降低了获取运行数据的频率,在一定程度上降低了监控系统的服务压力;与以月、年等为单位获取运行数据相比,监控系统监控目标数据模型的频率较高,可以在一定程度上提高监控效果。
本发明实施例提供的一种数据模型监控方法中,步骤S102获取运行数据对应的性能指标,具体可以为:
获取运行数据对应的性能指标,性能指标包括数据分布指标、数据稳定性指标。
实际应用中,当目标数据模型的性能重点体现在对运行数据的分布管理时,可以借助数据分布指标、数据稳定性指标等来评价目标数据模型的性能。
本发明实施例提供的一种数据模型监控方法中,步骤S102获取运行数据对应的性能指标,具体可以为:
获取运行数据对应的性能指标,性能指标包括KS(Kolmogorov-Smirnov,柯尔莫哥洛夫-斯米尔诺夫检验)指标、AUC(Area under curve,ROC曲线下方面积)指标。
实际应用中,当目标数据模型的性能重点体现在对运行数据的分类、排序上时,可以借助KS指标、AUC指标等来评价目标数据模型的性能。这里所说的KS指标主要验证目标数据模型对对象的区分能力,比如在对样本进行信用评分的数据模型中,数据模型在预测全体样本的信用评分后,会将全体样本按违约与非违约分为两部分,然后用KS值验证这两组样本信用评分的分布是否有显著差异,KS值越大表明数据模型对正负样本的区分能力越强。AUC指标主要验证目标数据模型对对象的排序能力,比如对输出用户是好用户的数据模型中,可以先借助ROC(receiver operating characteristic curve,受试者工作特征)曲线来描述在累积一定量好用户比例下累积坏用户的比例,AUC指标表示ROC曲线下方的面积,AUC指标越高,数据模型的风险能力越强。
本发明实施例提供的一种数据模型监控方法中,步骤S103中基于性能指标和运行数据对目标数据模型进行性能评价,具体可以为:
对任意相邻两时间段内的运行数据的性能指标进行对比,得到对比结果;
基于对比结果对目标数据模型进行性能评价。
由于监控系统主要是监控数据模型运行结果数据的能力是否随着输入数据的更新而降低,所以实际应用中,监控系统可以对任意相邻两时间段内的运行数据的性能指标进行对比,得到对比结果,然后根据对比结果对目标数据模型进行性能评价,得到评价结果。具体应用场景中,监控系统可以先根据性能指标,计算各个时间段内运行数据的性能分数,然后计算任意相邻两时间段内运行数据的性能分数的对比结果,根据对比结果分析目标数据模型的性能随时间的变化;监控系统还可以根据性能指标,计算各个时间段内运行数据的性能分数,然后将当前时间段内运行数据的性能分数与其他任一个时间段内运行数据的性能分数进行对比,得到比较结果,然后根据对比结果分析目标数据模型的性能随时间的变化;监控系统还可以先根据性能指标,计算各个时间段内运行数据的性能分数,求取所有时间段对应的性能分数的平均分,然后判断该平均分是否大于等于预设的阈值,若是,则目标数据模型衰减能力差,目标数据模型的性能较好,若否,则目标数据模型衰减能力强,目标数据模型的性能较差。
本发明实施例提供的一种数据模型监控方法中,步骤S103得到评价结果之后,还可以包括:
显示评价结果。
为了方便外界查看监控系统对目标数据模型的评价结果,实际应用中,监控系统在得到评价结果之后,还可以显示评价结果,以便外界根据评价结果进行相应操作。具体应用场景中,监控系统还可以将评价结果以邮件等的形式发送给测试人员的终端,如手机、电脑等,以便测试人员随时随地的查看评价结果。
本发明实施例提供的一种数据模型监控方法中,显示评价结果,具体可以为:
以图的形式显示评价结果。
实际应用中,为了让外界直观的查看评价结果,监控系统可以以图的形式显示评价结果。当然,具体应用场景中,监控系统还可以以表格、曲线等形式显示评价结果,本发明在这里不做具体限定。
请参阅图2,图2为应用本发明实施例提供的一种数据模型监控方法对用户信用风险决策模型进行性能评价的流程图。
应用本发明实施例提供的一种数据模型监控方法对用户信用风险决策模型进行性能评价的过程可以包括如下步骤:
步骤S201:获取用户信用风险决策模型上线后每天输出的信用风险分数;
步骤S202:确定每天的信用风险分数对应的上四分位、中位数、下四分位等分布指标;
步骤S203:将当前的信用风险分数与两周前和两个月前的信用风险分数进行对比,得到相对于两周前的稳定性指标,得到相对于两个月前的稳定性指标;
步骤S204:以表格的形式展示每天的上四分位、中位数、下四分位等分布指标,展示相对于两周前的稳定性指标及相对于两个月前的稳定性指标。
本发明还提供了一种数据模型监控系统,其具有本发明实施例提供的一种数据模型监控方法具有的对应效果。请参阅图3,图3为本发明实施例提供的一种数据模型监控系统的结构示意图。
本发明实施例提供的一种数据模型监控系统,可以包括:
运行数据模块101,用于获取目标数据模型在预设数量的时间段内的运行数据;
性能指标模块102,用于获取运行数据对应的性能指标;
性能评价模块103,用于基于性能指标和运行数据对目标数据模型进行性能评价,得到评价结果。
本发明实施例提供的一种数据模型监控系统中,运行数据模块可以包括:
运行数据单元,用于获取目标数据模型在预设数量的时间段内的运行数据,时间段的单位为周。
本发明实施例提供的一种数据模型监控系统中,性能指标模块可以包括:
第一性能指标单元,用于获取运行数据对应的性能指标,性能指标包括数据分布指标、数据稳定性指标。
本发明实施例提供的一种数据模型监控系统中,性能指标模块可以包括:
第二性能指标单元,用于获取运行数据对应的性能指标,性能指标包括KS指标、AUC指标。
本发明实施例提供的一种数据模型监控系统中,性能评价模块可以包括:
对比单元,用于对不同时间段内的运行数据的性能指标进行对比,得到对比结果;
性能评价单元,用于基于对比结果对目标数据模型进行性能评价。
本发明实施例提供的一种数据模型监控系统中,还可以包括:
显示模块,用于在性能评价模块得到评价结果之后,显示评价结果。
本发明实施例提供的一种数据模型监控系统中,显示模块可以包括:
显示单元,用于以图的形式显示评价结果。
本发明还提供了一种数据模型监控设备及计算机存储介质,其均具有本发明实施例所提供的一种数据模型监控方法具有的对应效果。请参阅图4,图4为本发明实施例提供的一种数据模型监控设备的结构示意图。
本发明实施例提供的一种数据模型监控设备,可以包括:
存储器201,用于存储计算机程序;
处理器202,用于执行计算机程序时实现如上任一实施例所描述的一种数据模型监控方法的步骤。
本发明实施例提供的一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上任一实施例所描述的一种数据模型监控方法的步骤。
本发明实施例提供的一种数据模型监控系统、设备及计算机存储介质中相关部分的说明请参见本发明实施例提供的一种数据模型监控方法中对应部分的详细说明,在此不再赘述。另外,本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种数据模型监控方法,其特征在于,包括:
获取目标数据模型在预设数量的时间段内的运行数据;
获取所述运行数据对应的性能指标;
基于所述性能指标和所述运行数据对所述目标数据模型进行性能评价,得到评价结果。
2.根据权利要求1所述的方法,其特征在于,所述获取目标数据模型在预设数量的时间段内的运行数据,包括:
获取目标数据模型在预设数量的时间段内的运行数据,所述时间段的单位为周。
3.根据权利要求1所述的方法,其特征在于,所述获取所述运行数据对应的性能指标,包括:
获取所述运行数据对应的性能指标,所述性能指标包括数据分布指标、数据稳定性指标。
4.根据权利要求1所述的方法,其特征在于,所述获取所述运行数据对应的性能指标,包括:
获取所述运行数据对应的性能指标,所述性能指标包括KS指标、AUC指标。
5.根据权利要求1所述的方法,其特征在于,所述基于所述性能指标和所述运行数据对所述目标数据模型进行性能评价,包括:
对任意相邻两时间段内的运行数据的性能指标进行对比,得到对比结果;
基于所述对比结果对所述目标数据模型进行性能评价。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述得到评价结果之后,还包括:
显示所述评价结果。
7.根据权利要求6所述的方法,其特征在于,所述显示所述评价结果,包括:
以图的形式显示所述评价结果。
8.一种数据模型监控系统,其特征在于,包括:
运行数据模块,用于获取目标数据模型在预设数量的时间段内的运行数据;
性能指标模块,用于获取所述运行数据对应的性能指标;
性能评价模块,用于基于所述性能指标和所述运行数据对所述目标数据模型进行性能评价,得到评价结果。
9.一种数据模型监控设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述一种数据模型监控方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种数据模型监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711374825.XA CN108090678B (zh) | 2017-12-19 | 2017-12-19 | 一种数据模型监控方法、系统、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711374825.XA CN108090678B (zh) | 2017-12-19 | 2017-12-19 | 一种数据模型监控方法、系统、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108090678A true CN108090678A (zh) | 2018-05-29 |
CN108090678B CN108090678B (zh) | 2022-08-02 |
Family
ID=62177292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711374825.XA Active CN108090678B (zh) | 2017-12-19 | 2017-12-19 | 一种数据模型监控方法、系统、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090678B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134669A (zh) * | 2019-05-09 | 2019-08-16 | 深圳美美网络科技有限公司 | 一种数据模型监控方法 |
CN110262939A (zh) * | 2019-05-14 | 2019-09-20 | 苏宁金融服务(上海)有限公司 | 算法模型运行监控方法、装置、计算机设备和存储介质 |
CN110443350A (zh) * | 2019-07-10 | 2019-11-12 | 平安科技(深圳)有限公司 | 基于数据分析的模型质量检测方法、装置、终端及介质 |
CN110458713A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
CN111144738A (zh) * | 2019-12-24 | 2020-05-12 | 太平金融科技服务(上海)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
WO2022046312A1 (en) * | 2020-08-27 | 2022-03-03 | Mastercard International Incorporated | Computer-implemented method and system for testing a model |
CN114461502A (zh) * | 2022-02-16 | 2022-05-10 | 北京百度网讯科技有限公司 | 模型的监控方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR102012014248A2 (pt) * | 2012-06-13 | 2014-05-06 | Associacao Paranaense De Cultura - Apc | Processo para obtenção do modelo de ameaça de phishing de e-mail |
CN104732350A (zh) * | 2015-03-30 | 2015-06-24 | 华北电力大学(保定) | 一种基于数据驱动的火电机组燃烧控制系统性能评价方法 |
CN106022508A (zh) * | 2016-05-06 | 2016-10-12 | 陈丛威 | 预测线上理财平台的用户邀请好友行为的方法和装置 |
CN106022912A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 评价模型的更新方法及系统 |
-
2017
- 2017-12-19 CN CN201711374825.XA patent/CN108090678B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR102012014248A2 (pt) * | 2012-06-13 | 2014-05-06 | Associacao Paranaense De Cultura - Apc | Processo para obtenção do modelo de ameaça de phishing de e-mail |
CN104732350A (zh) * | 2015-03-30 | 2015-06-24 | 华北电力大学(保定) | 一种基于数据驱动的火电机组燃烧控制系统性能评价方法 |
CN106022508A (zh) * | 2016-05-06 | 2016-10-12 | 陈丛威 | 预测线上理财平台的用户邀请好友行为的方法和装置 |
CN106022912A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 评价模型的更新方法及系统 |
Non-Patent Citations (2)
Title |
---|
中国农业科学院农业区划研究所: "《县级农业区划方法论研究》", 31 August 1986, 中国农业科技出版社 * |
彭寿康: "《SAS与金融数据分析》", 30 November 2017, 中国金融出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134669A (zh) * | 2019-05-09 | 2019-08-16 | 深圳美美网络科技有限公司 | 一种数据模型监控方法 |
CN110262939A (zh) * | 2019-05-14 | 2019-09-20 | 苏宁金融服务(上海)有限公司 | 算法模型运行监控方法、装置、计算机设备和存储介质 |
CN110458713A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
CN110458713B (zh) * | 2019-07-05 | 2023-10-13 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
CN110443350A (zh) * | 2019-07-10 | 2019-11-12 | 平安科技(深圳)有限公司 | 基于数据分析的模型质量检测方法、装置、终端及介质 |
CN110443350B (zh) * | 2019-07-10 | 2022-09-02 | 平安科技(深圳)有限公司 | 基于数据分析的模型质量检测方法、装置、终端及介质 |
CN111144738A (zh) * | 2019-12-24 | 2020-05-12 | 太平金融科技服务(上海)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
WO2022046312A1 (en) * | 2020-08-27 | 2022-03-03 | Mastercard International Incorporated | Computer-implemented method and system for testing a model |
CN114461502A (zh) * | 2022-02-16 | 2022-05-10 | 北京百度网讯科技有限公司 | 模型的监控方法和装置 |
CN114461502B (zh) * | 2022-02-16 | 2023-11-14 | 北京百度网讯科技有限公司 | 模型的监控方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108090678B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090678A (zh) | 一种数据模型监控方法、系统、设备及计算机存储介质 | |
CN106020715B (zh) | 存储池容量管理 | |
CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
CN111045814B (zh) | 资源调度方法和终端设备 | |
CN105072191B (zh) | 一种确定目标通信通道的方法及服务器 | |
CN105184402B (zh) | 一种基于决策树的个性化用户短期负荷预测算法 | |
CN103338461B (zh) | 基于业务量预测的网络规划方法及装置 | |
CN111741133B (zh) | 一种云边端协同的气象智能预警系统 | |
CN110119948B (zh) | 基于时变权重动态组合的电力用户信用评价方法及系统 | |
CN109523022A (zh) | 终端数据处理方法、装置及终端 | |
CN110196904A (zh) | 一种获取推荐信息的方法、装置及计算机可读存储介质 | |
CN105049298A (zh) | 一种云资源监控方法和系统 | |
CN102185731B (zh) | 网络健康度测试方法及系统 | |
CN108696369A (zh) | 一种告警信息处理设备及方法 | |
CN103346797A (zh) | 一种用于齿轮故障信号的实时压缩方法 | |
CN108961267A (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN104392307B (zh) | 一种基于配电网自动化工程的可靠性评估方法 | |
CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
CN108197209A (zh) | 一种基于加权协同过滤算法的电影推荐方法 | |
CN113724061A (zh) | 基于客户分群的消费金融产品信用评分方法及装置 | |
CN104182470A (zh) | 一种基于svm的移动终端应用分类系统和方法 | |
CN105225065A (zh) | 基于电子健康档案系统的二次锂电池监控系统及其管理方法 | |
CN117312637A (zh) | 一种基于数据关联识别的自然资源数据体系建设方法 | |
CN110362470A (zh) | 测试数据收集方法、装置、电子设备及存储介质 | |
CN114971017A (zh) | 银行交易数据的处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |