CN111445029A - 模型评估方法、装置及计算机可读存储介质 - Google Patents

Abstract

本申请提供了一种模型评估方法、装置及计算机可读存储介质，其中该方法包括：获取待评估模型；根据测试数据集中的部分测试数据对待评估模型进行第一测试，得到待评估模型的第一评估结果；根据选取指令获取目标模型，其中，目标模型根据待评估模型的第一评估结果的至少部分信息从待评估模型中确定；根据测试数据集中的全部测试数据对目标模型进行第二测试，得到目标模型的第二评估结果。利用上述模型评估方法，有利于快速确定出性能最符合要求的模型。

Description

模型评估方法、装置及计算机可读存储介质

技术领域

本申请属于机器学习领域，具体涉及一种模型评估方法、装置及计算机可读存储介质。

背景技术

高校或者大型科技公司通常会展开机器学习竞赛。各个参评方经过指定时间的模型提交阶段提交模型，在随后的评比阶段对各参评方提交的模型进行统一的测试和排名。然而，在现有的机器学习竞赛中，参评方不能快速地从自身制作的多个模型中快速选择出性能最佳的模型，导致模型评估的准确度较低。

发明内容

本申请实施例提出了一种模型评估方法、装置及计算机可读存储介质，以解决上述现有技术中存在的技术问题。

本申请的实施例中提供了以下方案。

本申请的实施例提供一种模型评估方法，包括：获取待评估模型；根据测试数据集中的部分测试数据对待评估模型进行第一测试，得到待评估模型的第一评估结果；根据选取指令获取目标模型，其中，所述目标模型根据待评估模型的第一评估结果从待评估模型中确定；根据测试数据集中的全部测试数据对目标模型进行第二测试，得到目标模型的第二评估结果。

在一些可行的实施方式中，还包括：判断预设的模型提交阶段是否结束；如果模型提交阶段未结束，则根据测试数据集中的部分测试数据对待评估模型进行第一测试；如果模型提交阶段已经结束，则根据选取指令获取目标模型。

在一些可行的实施方式中，待评估模型对应一参评方；还包括：如果预设的模型提交阶段未结束，则将待评估模型的第一评估结果的至少部分信息提供给对应的参评方；如果预设的模型提交阶段已经结束，则获取参评方输入的选取指令。

在一些可行的实施方式中，还包括：在预设的模型提交阶段中，对全部参评方提交的待评估模型的第一评估结果进行排名，并将排名的全部或部分结果提供给参评方。

在一些可行的实施方式中，根据测试数据集中的部分测试数据对待评估模型进行第一测试，包括：根据测试数据集中设定比例的前段测试数据对待评估模型进行测试。

在一些可行的实施方式中，根据测试数据集中的部分测试数据对待评估模型进行第一测试，包括：从测试数据集中随机抽取预设比例的测试数据，根据抽取出的测试数据对待评估模型进行测试。

在一些可行的实施方式中，第一评估结果和第二评估结果均为精准度、召回率、F1值、接受者操作特征曲线、AUC、准确度中至少一项和运行时间、内存消耗中至少一项的函数。

本申请的实施例提供一种模型评估装置，包括：获取模块，配置为获取待评估模型；第一评估模块，配置为根据测试数据集中的部分测试数据对待评估模型进行第一测试，得到待评估模型的第一评估结果；选取模块，配置为根据选取指令获取目标模型，其中，所述目标模型根据待评估模型的第一评估结果从所述待评估模型中确定；第二评估模块，配置为根据测试数据集中的全部测试数据对所述目标模型进行第二测试，得到所述目标模型的第二评估结果。

在一些可行的实施方式中，还包括：启动模块，配置为判断预设的模型提交阶段是否结束，若否则启动所述第一评估模块，若是则启动所述第二评估模块。

在一些可行的实施方式中，所述待评估模型对应一参评方；所述模型评估装置还包括：交互模块，配置为在启动模块判断预设的模型提交阶段未结束的情况下，将待评估模型的第一评估结果的至少部分信息提供给对应的参评方；在启动模块判断模型提交阶段已经结束的情况下，获取参评方输入的选取指令。

在一些可行的实施方式中，还包括初步排名模块，配置为在预设的模型提交阶段中，对全部参评方提交的待评估模型的第一评估结果进行排名，并将排名的全部或部分结果提供给参评方。

在一些可行的实施方式中，所述第一评估模块具体配置为：根据测试数据集中设定比例的前段测试数据对待评估模型进行测试。

在一些可行的实施方式中，所述第一评估模块具体配置为：从测试数据集中随机抽取预设比例的测试数据，根据抽取出的测试数据对待评估模型进行测试。

在一些可行的实施方式中，所述第一评估结果和所述第二评估结果均为精准度、召回率、F1值、接受者操作特征曲线、AUC、准确度中至少一项和运行时间、内存消耗中至少一项的函数。

本申请的实施例还提供一种模型评估装置，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的模型评估方法。

本申请的实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有程序，当程序被多核处理器执行时，使得多核处理器执行上述的模型评估方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：参评方能够快速得知其提交的模型的性能，从而拥有足够的时间对其模型进行调整，从而取得较好的第二评估结果。

应当理解，上述说明仅是本申请技术方案的概述，以便能够更清楚地了解本申请的技术手段，从而可依照说明书的内容予以实施。为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举例说明本申请的具体实施方式。

附图说明

通过阅读下文的示例性实施例的详细描述，本领域普通技术人员将明白本文所述的优点和益处以及其他优点和益处。附图仅用于示出示例性实施例的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的标号表示相同的部件。在附图中：

图1为本申请的实施例的模型评估方法的流程示意图；

图2为本申请的另一实施例的模型评估方法的流程示意图

图3为本申请实施例的模型评估方法的整体架构示意图；

图4为根据本申请实施例的模型评估装置的结构示意图；

图5为根据本申请另一实施例的模型评估装置的结构示意图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

在本申请中，应理解，诸如“包括”或“具有”等术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不旨在排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在的可能性。

另外还需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本申请中的模型指的是即经过机器学习后得到的一个映射函数F。

图1为根据本申请一实施例的方法100的流程示意图。在该流程中，从设备角度而言，执行主体可以是一个或者多个电子设备；从程序角度而言，执行主体相应地可以是搭载于这些电子设备上的程序。该方法100例如可用于在机器学习竞赛中对参评方提交的模型进行评估，当然也可以用于在招投标对投标方提交的模型进行评估，或者单纯应用于对模型的开发中。

以机器学习竞赛的应用场景为例，参考图2，在一些可能的实施方案中，机器学习竞赛的组织者在比赛平台2发布试题，并在模型评估装置1设置对应的评比策略。比赛平台2和模型评估装置1可以是搭载在同一个物理服务器上，也可以分别搭载在不同的物理服务器上。参评方设备3(例如是参评方的个人电脑、服务器等)将其训练得到的模型(即本公开中的待评估模型)提交至比赛平台2。比赛平台2将该模型上传至模型评估装置1。模型评估装置1对该模型进行测试并根据测试的结果产生评分，随后将测试结果和对应的评分更新至比赛平台2。比赛平台2进而将测试和评分的至少部分信息反馈给参评方设备3。当然，模型评估装置1执行的部分步骤也可以由比赛平台2承担。

图1中的流程可以包括以下步骤101～步骤104。

步骤101、获取待评估模型。

步骤102、根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，得到所述待评估模型的第一评估结果。

步骤103、根据选取指令获取目标模型，其中，所述目标模型根据所述待评估模型的第一评估结果从所述待评估模型中确定。选取指令可以是工程师输入的，也可以是由程序自动对各待评估模型进行比较后，由程序挑选生成的。

步骤104、根据所述测试数据集中的全部测试数据对所述目标模型进行第二测试，得到所述目标模型的第二评估结果。

在时间允许的情况下，步骤101和步骤102可以反复执行多次。由于对待评估模型进行测试时，采用的测试数据相对较少，相应地，消耗的运算时间也较短，从而可以快速地从各待评估模型中挑选出最符合性能要求的模型作为目标模型。

图3为根据本申请另一实施例的方法200的流程示意图。方法200是对方法100的细化，相同部分可以互相参照。以下以机器学习竞赛的场景为例对方法200进行说明。方法200可以包括以下步骤。

步骤201、获取待评估模型，所述待评估模型对应一参评方。

步骤202、根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，得到所述待评估模型的第一评估结果。

步骤203、将所述待评估模型的第一评估结果的至少部分信息提供给对应的参评方。

步骤204、判断预设的模型提交阶段是否结束，如是则转至步骤205，如果否则转至步骤201(当然等效地，也可以是转至步骤202)。

步骤205、获取所述参评方输入的选取指令。

步骤206、根据选取指令获取目标模型，其中，所述目标模型根据所述待评估模型的第一评估结果从所述待评估模型中确定。

步骤207、根据所述测试数据集中的全部测试数据对所述目标模型进行第二测试，得到所述目标模型的第二评估结果。

模型提交阶段，每一个参评方均可以多次提交待评估模型。在模型提交阶段，对待评估模型进行测试和评分消耗的运算量相对较小。参评方可以在模型提交阶段快速地得知自身提交模型的各种性能指标以及对应的评分，从而可以快速地对其模型中的参数进行调整，并快速的得知调整后的模型的性能指标以及对应的评分。这样，根据本申请实施例的模型评估方法，参评方能够在有限的比赛时间内对自身提交的模型的性能有一个初步的评价，并且快速地得到尽量优化的模型。

基于图1和图3的模型评估方法，本申请的一些实施例还提供了该模型评估方法的一些具体实施方案，以及扩展方案，下面进行说明。

在一些可能的实施方式中，根据所述测试数据集中设定比例的前段测试数据对所述待评估模型进行测试。即从所述测试数据集中选择设定比例的前段测试数据对所述待评估模型进行测试。例如在模型提交阶段，不论对于哪个参评方提交的哪个待评估模型，都是固定采用测试数据集的前10％的测试数据进行测试。

在另一些可能的实施方式中，从所述测试数据集中随机抽取预设比例的测试数据，根据抽取出的测试数据对所述待评估模型进行测试。例如在模型提交阶段，不论对于哪个参评方提交的哪个待评估模型，都是随机地从测试数据集抽取10％的测试数据进行测试。

以上两种实施方式都是为了保证在模型提交阶段，参评方获得的对其提交的待评估模型的性能指标以及评分相对公平一致，减少因测试数据的不同而造成的误差。

在一些可能的实施方式中，在模型提交阶段，对全部参评方提交的待评估模型的第一评估结果进行排名，并将排名的全部或部分结果提供给所述参评方。

例如在模型提交阶段，每一个参评方都能实时地获知其提交的待评估模型的排名(例如是某一个指标的排名或者综合评分的排名)，或者能实时地获知全部参评方提交的待评估模型的排名。从而有利于各个参评方决定是选择相对激进的策略还是相对保守的策略对其模型进行调整。有利于各参评方能够取得尽量好的成绩。

在一些可能的实施方式中，所述第一评估结果和所述第二评估结果均为精准度、召回率、F1值、接受者操作特征曲线、AUC、准确度中至少一项和运行时间、内存消耗中至少一项的函数。

对待评估模型的测试结果进行评分以及对最终版本的模型的测试结果进行评分可以采用相同的函数。测试的指标例如由精准度、召回率、F1值、ROC、AUC等中选取。影响评分的因素还可以有模型的运行时间、模型的内存消耗量等。

进行如下符号定义：TP，True Positive，将正类预测为正类数；FP，FalsePositive，将负类预测为正类数；TN，True Negative，将负类预测为负类数；FN，FalseNegative，将正类预测为负类数。

精准度也称精确率(Precision)，主要适用于二分类问题，表示所有被预测为正的样本中实际为正的样本的概率。计算公式为：Precision＝TP/(TP+FP)。

召回率(Recall)，适用于二分类问题，表示实际为正的样本被预测为正样本的概率。计算公式为：Recall＝TP/(TP+FN)。

F1值为结合精准度和召回率的的平衡点，计算公式为F1＝2*精准度*召回率/(精准度+召回率)。

接受者操作特征曲线(receiver operating characteristic curve)，简称ROC曲线，是指在特定刺激条件下，以被试在不同判断标准下所得的虚报概率P(y/N)为横坐标，以击中概率P(y/SN)为纵坐标，画得的各点的连线。

ROC曲线的面积就是AUC(Area Under the Curve，取值范围[0.5,1]，越大表示模型预测的效果越好。

准确率计算公式为：Accuracy＝(TP+TN)/(TP+FP+TN+FN)。

对于不同类型的问题，以上各指标对评分的权重也是不一样的。

例如对于地震的预测问题，希望的是召回率非常高，也就是说每次地震我们都希望预测出来。这个时候可以牺牲精准度。即情愿发出1000次警报，把10次地震都预测正确了；也不要预测100次对了8次但漏了两次。那么召回率对第二评估结果的作用比较大。

又例如嫌疑人定罪问题，基于不错怪一个好人的原则，对于嫌疑人的定罪希望是非常准确的。即使有时候放过了一些罪犯(召回率较低)，但也是值得的。那么精准度对第二评估结果的作用比较大。

又例如人脸识别问题，两个模型都具有相同的准确率，但是模型A只要0.1S就可以检测出来，模型B要0.2S，那么模型A也会比模型B的得分高。

举例而言，选取三个测试指标x、y和z，并且考虑运行时间(计为t)，那么最终得分F(x,y,z,t)＝(x*0.7+y*0.2+z*0.1)*g(t)，g为关于时间的函数，运行时间越长则g(t)值越低。每个参数取值由测试集测试结果得出。

基于相同的技术构思，本申请实施例还提供一种模型评估装置，用于执行上述任一实施例所提供的方法。图4为本申请实施例提供的一种模型评估装置结构示意图。

如图4所示，模型评估装置1包括：获取模块10，配置为获取待评估模型；第一评估模块20，配置为根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，得到所述待评估模型的第一评估结果；选取模块30，配置为根据选取指令获取目标模型，其中，所述目标模型根据所述待评估模型的第一评估结果从所述待评估模型中确定；第二评估模块40，配置为根据所述测试数据集中的全部测试数据对所述目标模型进行第二测试，得到所述目标模型的第二评估结果。

由于对待评估模型进行测试时，采用的测试数据相对较少，相应地，消耗的运算时间也较短，从而可以快速地从各待评估模型中挑选出最符合性能要求的模型作为目标模型。

在一些可能的实施方式中，还包括：启动模块50，配置为判断预设的模型提交阶段是否结束，若否则启动所述第一评估模块20(也可等效为启动获取模块10)，若是则启动所述第二评估模块40。

在一些可能的实施方式中，还包括：交互模块60，配置为在所述启动模块50判断所述预设的模型提交阶段未结束的情况下，将所述待评估模型的第一评估结果的至少部分信息提供给对应的参评方；在所述启动模块50判断所述模型提交阶段已经结束的情况下，获取所述参评方输入的选取指令。

在一些可能的实施方式中，还包括初步排名模块70，配置为在预设的模型提交阶段中，对全部参评方提交的待评估模型的第一评估结果进行排名，并将排名的全部或部分结果提供给所述参评方。

在一些可能的实施方式中，第一评估模块20具体配置为：根据所述测试数据集中设定比例的前段测试数据对所述待评估模型进行测试。

在一些可能的实施方式中，第一评估模块20具体配置为：从所述测试数据集中随机抽取预设比例的测试数据，根据抽取出的测试数据对所述待评估模型进行测试。

可选地，所述第一评估结果和所述第二评估结果均为精准度、召回率、F1值、接受者操作特征曲线、AUC、准确率中至少一项和运行时间、内存消耗中至少一项的函数。

需要说明的是，本申请实施例中的装置可以实现前述方法的实施例的各个过程，并达到相同的效果和功能，这里不再赘述。

图5为根据本申请一实施例的另一模型评估装置，用于执行图1或图3所示出的模型评估方法，该模型评估装置包括：至少一个处理器2000；以及，与至少一个处理器2000通信连接的存储器1000；其中，存储器1000存储有可被至少一个处理器2000执行的指令，指令被至少一个处理器2000执行，以使至少一个处理器2000能够执行前述的模型评估方法。

根据本申请的一些实施例，提供了用于执行前述模型评估方法的非易失性计算机存储介质，其上存储有计算机可执行指令，该计算机可执行指令设置为在由处理器运行时执行前述的模型评估方法。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备和计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以其描述进行了简化，相关之处可参见方法实施例的部分说明即可。

本申请实施例提供的装置、设备和计算机可读存储介质与方法是一一对应的，因此，装置、设备和计算机可读存储介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述装置、设备和计算机可读存储介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本申请的精神和原理，但是应该理解，本申请并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本申请旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (16)

1.一种模型评估方法，其特征在于，包括：

获取待评估模型；

根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，得到所述待评估模型的第一评估结果；

根据选取指令获取目标模型，其中，所述目标模型根据所述待评估模型的第一评估结果从所述待评估模型中确定；

根据所述测试数据集中的全部测试数据对所述目标模型进行第二测试，得到所述目标模型的第二评估结果。

2.根据权利要求1所述的模型评估方法，其特征在于，还包括：

判断预设的模型提交阶段是否结束；

如果所述模型提交阶段未结束，则根据测试数据集中的部分测试数据对所述待评估模型进行所述第一测试；

如果所述模型提交阶段已经结束，则根据所述选取指令获取所述目标模型。

3.根据权利要求2所述的模型评估方法，其特征在于，所述待评估模型对应一参评方；

还包括：如果预设的模型提交阶段未结束，则将所述待评估模型的第一评估结果的至少部分信息提供给对应的参评方；如果预设的模型提交阶段已经结束，则获取所述参评方输入的选取指令。

4.根据权利要求3所述的模型评估方法，其特征在于，还包括：

在预设的模型提交阶段中，对全部参评方提交的待评估模型的第一评估结果进行排名，并将排名的全部或部分结果提供给所述参评方。

5.根据权利要求1所述的模型评估方法，其特征在于，根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，包括：根据所述测试数据集中设定比例的前段测试数据对所述待评估模型进行测试。

6.根据权利要求1所述的模型评估方法，其特征在于，根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，包括：从所述测试数据集中随机抽取预设比例的测试数据，根据抽取出的测试数据对所述待评估模型进行测试。

7.根据权利要求1所述的模型评估方法，其特征在于，所述第一评估结果和所述第二评估结果均为精准度、召回率、F1值、接受者操作特征曲线、AUC、准确度中至少一项和运行时间、内存消耗中至少一项的函数。

8.一种模型评估装置，其特征在于，包括：

获取模块，配置为获取待评估模型；

第一评估模块，配置为根据测试数据集中的部分测试数据对所述待评估模型进行第一测试，得到所述待评估模型的第一评估结果；

选取模块，配置为根据选取指令获取目标模型，其中，所述目标模型根据所述待评估模型的第一评估结果从所述待评估模型中确定；

第二评估模块，配置为根据所述测试数据集中的全部测试数据对所述目标模型进行第二测试，得到所述目标模型的第二评估结果。

9.根据权利要求8所述的模型评估装置，其特征在于，还包括：启动模块，配置为判断预设的模型提交阶段是否结束，若否则启动所述第一评估模块，若是则启动所述第二评估模块。

10.根据权利要求9所述的模型评估装置，其特征在于，所述待评估模型对应一参评方；所述模型评估装置还包括：交互模块，配置为在所述启动模块判断所述预设的模型提交阶段未结束的情况下，将所述待评估模型的第一评估结果的至少部分信息提供给对应的参评方；在所述启动模块判断所述模型提交阶段已经结束的情况下，获取所述参评方输入的选取指令。

11.根据权利要求9所述的模型评估装置，其特征在于，还包括初步排名模块，配置为在预设的模型提交阶段中，对全部参评方提交的待评估模型的第一评估结果进行排名，并将排名的全部或部分结果提供给所述参评方。

12.根据权利要求8所述的模型评估装置，其特征在于，所述第一评估模块具体配置为：根据所述测试数据集中设定比例的前段测试数据对所述待评估模型进行测试。

13.根据权利要求8所述的模型评估装置，其特征在于，所述第一评估模块具体配置为：从所述测试数据集中随机抽取预设比例的测试数据，根据抽取出的测试数据对所述待评估模型进行测试。

14.根据权利要求8所述的模型评估方法，其特征在于，所述第一评估结果和所述第二评估结果均为精准度、召回率、F1值、接受者操作特征曲线、AUC、准确度中至少一项和运行时间、内存消耗中至少一项的函数。

15.一种模型评估装置，其特征在于，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据权利要求1-7任意一项所述的模型评估方法。

16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序，当所述程序被多核处理器执行时，使得所述多核处理器执行如权利要求1-7中任一项所述的模型评估方法。

Images