CN114444606A - 模型训练和数据分类方法及装置 - Google Patents
模型训练和数据分类方法及装置 Download PDFInfo
- Publication number
- CN114444606A CN114444606A CN202210113494.9A CN202210113494A CN114444606A CN 114444606 A CN114444606 A CN 114444606A CN 202210113494 A CN202210113494 A CN 202210113494A CN 114444606 A CN114444606 A CN 114444606A
- Authority
- CN
- China
- Prior art keywords
- training
- samples
- target
- weights
- auxiliary
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种模型训练方法和装置,涉及大数据、机器学习等技术领域。具体实现方案为:根据预先获取的辅助样本和目标样本,得到训练样本;采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同;执行以下训练步骤:将训练样本和训练权重输入基学习器,得到基学习器的输出;基于基学习器的输出,采用迁移算子调整训练权重,直到满足训练停止条件,得到目标模型。该实施方式提高了建模的效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及大数据、机器学习等技术领域,尤其涉及一种模型训练和数据分类方法及装置、电子设备、计算机可读存储介质以及计算机程序产品。
背景技术
在目标样本较少时,建立模型(例如,分类模型)时一般只能采用逻辑回归等方式建模,建模效果不佳;而在对多份有标签样本进行EDA(Exploratory Data Analysis,数据探索性分析)分析时,需要采用人工策略对多份样本进行合并,得出所需要的训练样本,通过训练样本进行混合建模,建模效果不稳定,且需要大量人工介入,耗时久。
发明内容
本公开提供了一种模型训练方法和装置、数据分类方法和装置、电子设备、计算机可读存储介质以及计算机程序产品。
根据第一方面,提供了一种模型训练方法,该方法包括:根据预先获取的辅助样本和目标样本,得到训练样本;采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同;执行以下训练步骤:将训练样本和训练权重输入基学习器,得到基学习器的输出;基于基学习器的输出,采用迁移算子调整训练权重,直到满足训练停止条件,得到目标模型。
根据第二方面,提供了一种数据分类方法,该方法包括:获取待分类数据;将待分类数据输入采用如第一方面任一实现方式描述的方法生成的目标模型中,输出待分类数据的分类结果。
根据第三方面,提供了一种模型训练装置,该装置包括:拼接单元,被配置成根据预先获取的辅助样本和目标样本,得到训练样本;生成单元,被配置成采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同;第一输入单元,被配置成将训练样本和训练权重输入基学习器,得到基学习器的输出;调整单元,被配置成基于基学习器的输出,采用迁移算子调整训练权重;第一单元,被配置成在满足训练停止条件时,得到分类模型。
根据第四方面,又提供了一种数据分类装置,该装置包括:第二获取单元,被配置成被配置成获取待分类数据;第二输入单元,被配置成将待分类数据输入采用如第三方面任一实现方式描述的装置生成的目标模型中,得到待分类数据的分类结果。
根据第五方面,提供了一种电子设备,该电子设备包括: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如第一方面或第二方面任一实现方式描述的方法。
根据第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面或第二方面任一实现方式描述的方法。
根据第七方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面或第二方面任一实现方式描述的方法。
本公开的实施例提供的模型训练方法和装置,首先,拼接预先获取的辅助样本和目标样本;其次,采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同;再次,将训练样本和训练权重输入基学习器,得到基学习器的输出;最后,基于基学习器的输出,采用迁移算子调整训练权重,直到满足训练停止条件,得到目标模型。由此采用权重规则生成训练样本的训练权重,保证了输入基学习器的训练样本中目标样本和辅助样本的权重的等价性,在基学习器训练过程中采用迁移算子调整训练样本的权重,并在满足训练停止条件时,停止基学习器的训练,得到目标模型,由此提升了建模的效率。
本公开的实施例提供的数据分类方法和装置,获取待分类数据;将待分类数据输入采用本实施例的模型训练方法生成的目标模型中,得到待分类数据的分类结果。由此,采用模型训练方法得到的目标模型进行分类,可以对待分类数据进行可靠的分类,保证了数据分类的有效性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开模型训练方法的一个实施例的流程图;
图2是根据本公开模型训练方法的另一个实施例的流程图;
图3是根据本公开数据分类方法的一个实施例的流程图;
图4是根据本公开模型训练装置的一个实施例的结构示意图;
图5是根据本公开数据分类装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的模型训练方法或数据分类方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
针对传统的小目标样本建模效果不好,或者通过多份数据源样本混合建模耗时较长且效果不稳定的问题,本公开提出了一种模型训练方法,图1示出了根据本公开模型训练方法的一个实施例的流程100,上述模型训练方法包括以下步骤:
步骤101,根据预先获取的辅助样本和目标样本,得到训练样本。
本实施例中,模型训练方法运行于其上的执行主体可以通过多种方式辅助样本和目标样本,例如,执行主体可以通过有线连接方式或无线连接方式,从数据库服务器中获取存储于其中的辅助样本和目标样本。再例如,用户可以通过与终端通信,获取终端所收集的辅助样本和目标样本。
在这里,目标样本是主建模任务对应的实际业务场景样本,辅助样本是其他业务场景或渠道的样本,辅助样本用于辅助主建模任务的建模。目标样本是与辅助样本不同样本,目标样本可以主要用于分类模型的建模,由于目标样本的数量较少,辅助样本用于辅助目标样本进行分类模型的建模。通过对目标样本中的各个样本进行标签标注可以得到目标样本中的正样本和负样本,正样本和负样本用于为基学习器提供可靠的样本区分。可选地,还可以通过对辅助样本中的各个样本进行标签标注得到辅助样本中的正样本和负样本。
本实施例中,预先获取的目标样本和辅助样本可以是从大量的数据集或数据源中选取的样本,例如,目标样本是从目标样本集中选取的第一预设数目的样本,辅助样本是从辅助样本集中选取的第二预设数目的样本,并且,第一预设数目和第二预设数目可以相等也可以不相等。
本实施例中,上述根据预先获取的目标样本和辅助样本,得到训练样本包括:分别获取辅助样本和目标样本,拼接辅助样本和目标样本,并使辅助样本位于目标样本前面,得到训练样本。需要说明的是,辅助样本位于目标样本前面是指辅助样本位于靠近基学习器的一侧,在训练样本输入基学习器时,辅助样本优先输入基学习器,而基学习器每轮迭代训练时权重更新需要计算目标样本中正样本的错误率且辅助样本与目标样本的权重要分开更新,辅助样本在前可以输入索引快速切分辅助样本和目标样本,加快计算效率。
可选地,上述根据预先获取的目标样本和辅助样本,得到训练样本包括:混合目标样本和辅助样本,使目标样本和辅助样本混合穿插,得到训练样本。
本实施例中,训练样本是由目标样本和辅助样本拼接而成样本序列,将训练样本输入训练分类模型的基学习器,可以得到基学习器输出的对训练样本进行预测而得到分类结果,该分类结果包括训练样本中各个样本的二分类概率。
本公开的技术方案中,所涉及的目标样本、辅助样本的收集、存储、使用、加工、传输、提供和公开等处理,是在经授权后执行的,符合相关法律法规。
步骤102,采用预设的权重规则,生成训练样本的训练权重。
其中,权重规则用于使辅助样本和目标样本权重占比相同。
本实施例中,采用权重规则生成训练样本的训练权重,可以使训练样本中的目标样本和辅助样本的权重占比相同,保证了辅助样本和目标样本的权重的等价性。需要说明的是,辅助样本和目标样本权重占比相同是指辅助样本和目标样本中所有样本的权重整体相同。例如,训练样本中具有a(a≥1)个辅助样本,b(b≥1)个目标样本,各个辅助样本的权重均为1/a,各个目标样本的权重均为1/b,其中,辅助样本中的各个样本不区分正样本和负样本,目标样本中的各个样本也不区分正样本和负样本。
在本实施例的一些可选实现方式中,上述权重规则包括1)~3)中的任意一项:1)基于辅助样本的数量和目标样本的数量均匀生成辅助样本和目标样本的初始权重,并将辅助样本和目标样本的初始权重作为训练权重;2)基于辅助样本的数量和目标样本的数量均匀生成辅助样本和目标样本的初始权重,对辅助样本和目标样本的初始权重中的正样本的权重各自乘以预设系数,对辅助样本和目标样本权重进行标准化,生成训练权重;3)基于目标样本的数量生成目标样本的初始权重,使用截断正态分布函数随机生成辅助样本的初始权重,对辅助样本和目标样本的初始权重进行标准化,生成训练权重。
本可选实现方式中,当辅助样本的数量为m(m≥1),目标样本的数量为n(n≥1),则辅助样本中各个样本的初始权重为1/m,目标样本中各个样本的初始权重为1/n,基于辅助样本和目标样本的拼接形式,得到训练权重。例如,训练样本中辅助样本在前,目标样本在后,则训练权重为(1/m,1/n)。
本可选实现方式中,对辅助样本和目标样本的初始权重进行标准化,是指将辅助样本中各个样本初始权重处于辅助样本的所有样本的初始权重总和,将目标样本中各个样本初始权重除于目标样本的所有样本的初始权重的总和。
本可选实现方式中,截断正态分布函数是一种截断分布(TruncatedDistribution)的一种,截断分布式是限制变量取值范围的一种分布,例如,限制变量x取值在0~50之间,即{0<x<50},正态分布则为不进行任何截断的截断正态分布,也即自变量的取值为负无穷到正无穷。
本可选实现方式提供的权重规则,可以从多种权重生成方式中选择一种生成训练样本的训练权重,为训练权重的生成提供了多种可选实现方式,保证了选择的多样性。
步骤103,将训练样本和训练权重输入基学习器,得到基学习器的输出。
本实施例中,如果个体学习器是从同种学习算法从训练数据中产生,该个体学习器称为基学习器,在生成分类模型的每轮迭代训练中,可以使用集成学习算法如XGBoost(eXtreme Gradient Boosting,极端梯度提升),或lightGBM(Light Gradient Boosting,光速梯度提升)作为基学习器,而使用集成学习算法的原因是该算法支持样本权重输入。
本实施例中,执行主体可以从步骤101中获取训练样本,从步骤102中获取训练权重,并执行步骤103至步骤104的训练步骤,而执行一次步骤103至步骤104的训练步骤即完成一轮基学习器的迭代训练。其中,各轮迭代训练采用的基学习器以及训练权重均不同,每个基学习器进行完一轮迭代训练,得到一个分类器,当训练样本进行多轮迭代训练之后,可以生成多个分类器。
本实施例中,分类模型不以基学习器的训练完成条件作为完成条件,而是以迁移算子是否满足训练停止条件作为分类模型是否训练完成的条件,在所有迭代训练轮次中,若迁移算子满足训练停止条件,停止分类器的生成;若迁移算子不满足训练停止条件,则继续创建新基学习器进行训练,得到新的生成器,直至迁移算子满足训练停止条件为止。
本实施例中,针对训练二分类器的基学习器,基学习器的输出可以是辅助样本或目标样本属于两种不同类型的概率,基于基学习器的输出和训练样本中的标签,可以确定基学习器输出的目标样本的错误率,或辅助样本的错误率。进一步地,目标样本包括正样本和负样本,则目标样本的错误率可以目标样本中正样本的错误率或负样本的错误率;辅助样本包括正样本和负样本,则副主样本的错误率可以是辅助样本中正样本的错误率或负样本的错误率。
步骤104,基于基学习器的输出,采用迁移算子调整训练权重,直到满足训练停止条件,得到目标模型。
迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是,通过迁移学习可以改变学习模型的参数。例如,学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。
本实施例中,基于基学习器的输出,采用迁移算子可以有效调整训练样本中各个样本的权重,从而使训练样本中所有样本的权重达到一个适合分类器的权重值。
本实施例中,迁移算子用于在基学习器迭代训练时更新或调整训练样本的权重,而基学习器在每轮迭代训练中的输出为目标样本中正样本的错误率,迁移算子在得到基学习器输出的目标样本的正样本的错误率之后,基于该错误率的大小,调整训练样本中目标样本和辅助样本的权重。
本实施例中,目标样本中正样本的错误率是基学习器对正样本进行分类后,分类错误的正样本数占全部的正样本总数的比例。
具体地,迁移算子可以采用TrAdaboost算法,TrAdaboost算法通过动态调整样本权重进行模型学习。
TraAdaboost算法原理:通过学习一个分布的知识,然后将其迁移到另外一个分布上,在本实施例中的具体做法是基于目标样本和辅助样本的数据训练的基学习器对辅助样本和目标样本的权重进行预测,并根据基学习器的输出(如目标样本中正样本的错误率)决定应该减少目标样本中各个样本权重的大小,应该增加辅助样本中各个样本权重的大小。
本实施例中,目标模型可以是通过多轮迭代训练,对基学习器进行调参后,得到的训练完成的模型,通过训练停止条件可以确定目标模型是否训练完成,在训练完成之后,得到目标模型。
本实施例中,训练停止条件为限制迁移算子是否继续调整权重的条件,通过该训练停止条件可以确定目标模型已经训练完成。在本实施例的一些可选实现方式中,训练停止条件包括以下至少一项:采用迁移算子的迭代训练轮次达到预设轮次;辅助样本的权重在训练权重中的占比大于或等于设定阈值。
本可选实现方式中,迁移算子的迭代训练轮次为迁移算子进行了多轮步骤103至步骤104迭代训练。其中,预设轮次可以基于迁移算子的参数进行估计,例如,预设轮次为3万次。需要说明的是,基学习器可以是分类器的基础模型,在迁移算子进行训练权重调整之后,基学习器会基于每次的训练样本和训练权重做分类器的训练。
本可选实现方式中,辅助样本的权重在训练权重中的占比是指辅助样本的权重与训练权重的比例,即辅助样本的权重除于辅助样本的权重和目标样本的权重的和。
本可选实现方式中,通过设置的多个训练停止条件限制迁移算子进行权重分配,为分类模型停止训练提供了多个可选方式,保证了分类模型训练的可靠性。
本实施例中,当训练停止条件时,可以将当前迭代轮次及之前轮次的基学习器生成的分类器作为目标模型。
在本实施例的一些可选实现方式中,上述直到满足训练停止条件,得到分类模型,包括:在满足训练停止条件之后,得到每次迭代训练对应的分类器,分类器通过调整基学习器的参数得到;基于每次迭代训练对应的分类器,采用预设规则确定目标模型。
本实施例中,每进行一次步骤103至步骤104训练步骤,称为进行一轮迭代训练,每轮迭代训练得到一个分类器,分类器是每轮的基学习器调参之后的结果。迁移算子的迭代训练轮次与基学习器的迭代训练轮次相对应,迁移算子满足训练停止条件时的迭代轮次与基学习器的迭代训练轮次相同。
本实施例中,预设规则是一种选择分类器的规则,通过预设规则得到的分类器可以用于实现目标模型,如预设规则为选取最后一轮迭代训练对应的分类器作为分类模型。
本可选实现方式中,基于每次迭代训练得到的分类器,采用预设规则确定分类模型,可以提高得到的目标模型的可靠性。
在本实施例的一些可选实现方式中,采用预设规则确定目标模型包括1)-4)中的至少一项:1)基于所有迭代训练对应的分类器,获取目标模型,目标模型的输出结果是所有迭代训练对应的分类器的输出结果的均值或者加权均值。2)从所有迭代训练对应的分类器中确定满足第一预设指标的分类器,作为目标模型。3)从所有迭代训练对应的分类器中确定满足第二预设指标的分类器,并基于该分类器前设定位的分类器,获取目标模型,目标模型的输出结果为前设定位的分类器的输出结果的均值或加权均值。
本实施例中,第一预设指标和第二预设指标均是AUC(area under curve)指标,其中,AUC指标的本质含义反映的是对于任意一对正负例样本,目标模型将正样本预测为正例的可能性大于将负例预测为正例的可能性的概率值,AUC指标是一种衡量机器学习模型分类性能的重要且非常常用的指标,其只能用于二分类的情况。其中,可以基于不同目标模型的要求,设置第一预设指标和第二预设指标为不同值。
本可选实现方式中,前设定位可以根据业务需求而确定,例如,前设定位为前6位。
本可选实现方式中,通过不同方式选择分类器,确定目标模型,为目标模型的实现提供了多种可选实现方式,保证了目标模型的多样选择性。
本公开的实施例提供的模型训练方法,首先,拼接预先获取的辅助样本和目标样本;其次,采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同;再次,将训练样本和训练权重输入基学习器,得到基学习器的输出;最后,基于基学习器的输出,采用迁移算子调整训练权重,直到满足训练停止条件,得到目标模型。由此采用权重规则生成训练样本的训练权重,保证了输入基学习器的训练样本中目标样本和辅助样本的权重的等价性,在基学习器训练过程中采用迁移算子调整训练样本的权重,并在满足训练停止条件时,停止基学习器的训练,得到目标模型,由此提升了建模的效率。
图2示出了根据本公开模型训练方法的另一个实施例的流程200,上述模型训练方法包括以下步骤:
步骤201,根据预先获取的辅助样本和目标样本,得到训练样本,之后,执行步骤202。
步骤202,采用预设的权重规则,生成训练样本的训练权重,之后,执行步骤203。
步骤203,将训练样本和训练权重输入基学习器,得到基学习器的输出,之后,执行步骤204。
步骤204,基于基学习器的输出,采用迁移算子调整训练权重,之后,执行步骤205。
应当理解,上述步骤201-步骤204中的操作和特征,分别与步骤101-104中的操作和特征相对应,因此,上述在步骤101-104中对于操作和特征的描述,同样适用于步骤201-步骤204,在此不再赘述。
步骤205,检测是否满足训练停止条件;若不满足训练停止条件,执行步骤206;若满足训练停止条件,执行步骤207。
本实施例中,训练停止条件为限制迁移算子是否继续进行权重调整的规则,通过该训练停止条件可以确定目标模型已经训练完成。在本实施例的一些可选实现方式中,训练停止条件包括以下至少一项:迁移算子的迭代训练轮次达到预设轮次;辅助样本的权重在训练权重中的占比大于或等于设定阈值。
步骤206,采用调整后的训练权重替代训练权重,并采用新基学习器替代基学习器,之后,执行步骤203。
本实施例中,采用调整后的训练权重替代训练权重,作为训练权重,便于进行后续的权重的调整。
本实施例中,新基学习器与基学习器的结构和/或参数不同,新基学习器相对于调整训练权重之前的学习器是完全不同的学习器,采用新的基学习器替代上一轮的基学习器,便于生成新的学习器。
步骤207,得到目标模型。
本实施例中,从不同的数据源中分别获取目标样本、辅助样本,拼接辅助样本和目标样本,得到训练样本,通过权重规则初始化训练样本的训练权重后,采用训练样本和训练权重训练基学习器。
通过每轮迭代过程中调节目标样本和辅助样本的训练权重:1)计算在目标样本上正样本或负样本的错误率;2)对于辅助样本:若采用基学习器预测正确的辅助样本和目标样本分布一致,迁移算子将训练权重中的辅助样本的权重自然衰减;对采用基学习器预测错误的辅助样本,迁移算子则主动降低该辅助样本的权重;3)对于目标样本:迁移算子直接增加基学习器预测错误的目标样本的权重;4)在迁移算子满足训练停止条件之后,针对所有迭代训练对应的分类器,可以集成所有分类器中的后1/2的分类器做出最终分类预测。
通过多轮的迭代训练得到最终的目标模型,其中,可以将该多轮迭代训练中的N个分类器集成进行最终的预测。
本实施例提供的模型训练方法,在不满足训练停止条件时,采用调整后的训练权重替代训练权重,将训练样本和训练权重再次输入基学习器进行迭代训练,直至满足训练停止条件,得到目标模型,由此,保证了基学习器的迭代训练的有效性,提升了目标模型得到的可靠性。
进一步地,基于上述实施例提供的模型训练方法,本公开还提供了一种数据分类方法的一个实施例,本公开的数据分类方法结合了大数据、机器学习等人工智能领域。
参见图3,示出了根据本公开数据分类方法的一个实施例的流程300,本实施例提供的数据分类方法包括以下步骤:
步骤301,获取待分类数据。
在本实施例中,待分类数据可以是任何即将通过分类模型进行分类数据,而本实施例的分类模型可以是针对不同任务的二分类模型。通过模型对待分类数据进行处理,可以得到分类的结果。
本实施例中,数据分类方法的执行主体可以通过多种方式来获取待分类数据。例如,执行主体可以通过有线连接方式或无线连接方式,从数据库服务器中获取存储于其中的待分类数据。再例如,执行主体也可以实时接收终端或其他设备实时采集的待分类数据。
步骤302,将待分类数据输入模型训练方法生成的目标模型中,输出待分类数据的分类结果。
本实施例中,执行主体可以将步骤301中获取的待分类数据输入目标模型中,从而得到获取的待分类数据的分类结果,分类结果可以是待分类器属于某类型的置信度,例如,待分类数据为像素点,目标模型为二分类模型,则分类结果为该像素点属于人脸的概率,或者不属于人脸的概率。
本实施例中,模型训练方法生成的分类模型可以是采用如上述图1实施例所描述的方法而训练得到的,具体训练过程可以参见图1实施例的相关描述,在此不再赘述。
本公开的实施例提供的数据分类方法,获取待分类数据;将待分类数据输入采用本实施例的模型训练方法生成的目标模型中,得到待分类数据的分类结果。由此,采用模型训练方法得到的目标模型进行分类,可以对待分类数据进行可靠的分类,保证了数据分类的有效性。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了模型训练装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可应用于各种电子设备中。
如图4所示,本实施例提供的模型训练装置400包括:拼接单元401,生成单元402,第一输入单元403,调整单元404,第一获取单元405。其中,上述拼接单元401,可以被配置成拼接预先获取的辅助样本和目标样本,得到训练样本。上述生成单元402,可以被配置成采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同。上述第一输入单元403,可以被配置成将训练样本和训练权重输入基学习器,得到基学习器的输出。上述调整单元404,可以被配置成基于基学习器的输出,采用迁移算子调整训练权重。上述第一获取单元405,可以被配置成在满足训练停止条件时,得到分类模型。
在本实施例中,模型训练装置400中:拼接单元401,生成单元402,第一输入单元403,调整单元404,第一获取单元405的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101、步骤102、步骤103、步骤104的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置400还包括:替代单元(图中未示出)。其中,上述替代单元可以被配置成若不满足训练停止条件,采用调整后的训练权重替代训练权重,并采用新基学习器替代基学习器,使得第一输入单元403、调整单元404、第一获取单元405继续执行训练步骤,新基学习器与基学习器的结构和/或参数不同。
在本实施例的一些可选的实现方式中,上述权重规则包括以下任意一项:基于辅助样本的数量和目标样本的数量均匀生成辅助样本和目标样本的初始权重,并将辅助样本和目标样本的初始权重作为训练权重;基于辅助样本的数量和目标样本的数量均匀生成辅助样本和目标样本的初始权重,对辅助样本和目标样本的初始权重中的正样本的权重各自乘以预设系数,对辅助样本和目标样本权重进行标准化,生成训练权重;基于目标样本的数量生成目标样本的初始权重,使用截断正态分布函数随机生成辅助样本的初始权重,对辅助样本和目标样本的初始权重进行标准化,生成训练权重。
在本实施例的一些可选的实现方式中,上述训练停止条件包括以下至少一项:采用迁移算子的迭代训练轮次达到预设轮次;辅助样本的权重在训练权重中的占比大于或等于设定阈值。
在本实施例的一些可选实现方式中,上述第一获取单元405包括:获取模块(图中未示出),确定模块(图中未示出)。其中,上述获取模块,可以被配置成在满足训练停止条件之后,得到每次迭代训练对应的分类器,分类器通过调整基学习器的参数得到。上述确定模块,可以被配置成基于每次迭代训练对应的分类器,采用预设规则确定目标模型。
在本实施例的一些可选实现方式中,上述确定模块包括以下至少一个子模块:第一子模块(图中未示出),第二子模块(图中未示出),第三子模块(图中未示出)。其中,上述第一子模块,可以被配置成基于所有迭代训练对应的分类器,获取目标模型,目标模型的输出结果是所有迭代训练对应的分类器的输出结果的均值或者加权均值。上述第二子模块,可以被配置成从所有迭代训练对应的分类器中确定满足第一预设指标的分类器,作为目标模型。上述第三子模块,可以被配置成从所有迭代训练对应的分类器中确定满足第二预设指标的分类器,并基于该分类器前设定位的分类器,获取目标模型,目标模型的输出结果为前设定位的分类器的输出结果的均值或加权均值。
本公开的实施例提供的模型训练装置,首先,拼接单元401拼接预先获取的辅助样本和目标样本;其次,生成单元402采用预设的权重规则,生成训练样本的训练权重,权重规则用于使辅助样本和目标样本权重占比相同;再次,输入单元403将训练样本和训练权重输入基学习器,得到基学习器的输出;从次,调整单元404基于基学习器的输出,采用迁移算子调整训练权重;最后,得到单元405在满足训练停止条件时,得到分类模型。由此采用权重规则生成训练样本的训练权重,保证了输入基学习器的训练样本中目标样本和辅助样本的权重的等价性,在基学习器训练过程中采用迁移算子调整训练样本的权重,并在满足训练停止条件时,停止基学习器的训练,得到目标模型,由此提升了混合建模的效率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了数据分类装置的一个实施例,该装置实施例与图3所示的方法实施例相对应,该装置具体可应用于各种电子设备中。
如图5所示,本实施例提供的数据分类装置500包括:第二获取单元501,第二输入单元502。其中,上述第二获取单元501,可以被配置成获取待分类数据。上述第二输入单元502,可以被配置成将待分类数据输入采用如上述图3实施例所描述的装置生成的目标模型中,输出待分类数据的分类结果。
在本实施例中,数据分类装置500中:第二获取单元501,第二输入单元502的具体处理及其所带来的技术效果可分别参考图3对应实施例中的步骤301、步骤302的相关说明,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如模型训练方法或数据分类方法。例如,在一些实施例中,模型训练方法或数据分类方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的模型训练方法或数据分类方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行模型训练方法或数据分类方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程模型训练装置、数据分类装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种模型训练方法,所述方法包括:
根据预先获取的辅助样本和目标样本,得到训练样本;
采用预设的权重规则,生成所述训练样本的训练权重,所述权重规则用于使所述辅助样本和所述目标样本权重占比相同;
执行以下训练步骤:
将所述训练样本和所述训练权重输入基学习器,得到所述基学习器的输出;基于所述基学习器的输出,采用迁移算子调整所述训练权重,直到满足训练停止条件,得到目标模型。
2.根据权利要求1所述的方法,所述方法还包括:
若不满足所述训练停止条件,采用调整后的训练权重替代所述训练权重,并采用新基学习器替代所述基学习器,继续执行所述训练步骤,所述新基学习器与所述基学习器的结构和/或参数不同。
3.根据权利要求1所述的方法,其中,所述权重规则包括以下任意一项:
基于所述辅助样本的数量和所述目标样本的数量均匀生成所述辅助样本和所述目标样本的初始权重,并将所述辅助样本和所述目标样本的初始权重作为训练权重;
基于所述辅助样本的数量和所述目标样本的数量均匀生成所述辅助样本和所述目标样本的初始权重,对所述辅助样本和所述目标样本的初始权重中的正样本的权重各自乘以预设系数,对所述辅助样本和所述目标样本权重进行标准化,生成训练权重;
基于所述目标样本的数量生成所述目标样本的初始权重,使用截断正态分布函数随机生成所述辅助样本的初始权重,对所述辅助样本和所述目标样本的初始权重进行标准化,生成训练权重。
4.根据权利要求1所述的方法,其中,训练停止条件包括以下至少一项:
采用所述迁移算子的迭代训练轮次达到预设轮次;
所述辅助样本的权重在所述训练权重中的占比大于或等于设定阈值。
5.根据权利要求1-4之一所述的方法,其中,所述直到满足所述训练停止条件,得到目标模型,包括:
在满足训练停止条件之后,得到每次迭代训练对应的分类器,所述分类器通过调整所述基学习器的参数得到;
基于每次迭代训练对应的分类器,采用预设规则确定目标模型。
6.根据权利要求5所述的方法,其中,采用预设规则确定目标模型包括以下至少一项:
基于所有迭代训练对应的分类器,获取所述目标模型,所述目标模型的输出结果是所有迭代训练对应的分类器的输出结果的均值或者加权均值;
从所有迭代训练对应的分类器中确定满足第一预设指标的分类器,作为目标模型;
从所有迭代训练对应的分类器中确定满足第二预设指标的分类器,并基于该分类器前设定位的分类器,获取所述目标模型,所述目标模型的输出结果为所述前设定位的分类器的输出结果的均值或加权均值。
7.一种数据分类方法,所述方法:
获取待分类数据;
将所述待分类数据输入如权利要求1-6任一项所述的方法生成的目标模型中,输出所述待分类数据的分类结果。
8.一种模型训练装置,所述装置包括:
拼接单元,被配置成根据预先获取的辅助样本和目标样本,得到训练样本;
生成单元,被配置成采用预设的权重规则,生成所述训练样本的训练权重,所述权重规则用于使所述辅助样本和所述目标样本权重占比相同;
第一输入单元,被配置成将所述训练样本和所述训练权重输入基学习器,得到所述基学习器的输出;
调整单元,被配置成基于所述基学习器的输出,采用迁移算子调整所述训练权重;
第一获取单元,被配置成在满足所述训练停止条件时,得到目标模型。
9.根据权利要求8所述的装置,所述装置还包括:替代单元,所述替代单元被配置成若不满足所述训练停止条件,采用调整后的训练权重替代所述训练权重,并采用新基学习器替代所述基学习器,使得所述第一输入单元、所述调整单元、所述第一获取单元单元继续执行训练步骤,所述新基学习器与所述基学习器的结构和/或参数不同。
10.根据权利要求8所述的装置,其中,所述权重规则包括以下任意一项:
基于所述辅助样本的数量和所述目标样本的数量均匀生成所述辅助样本和所述目标样本的初始权重,并将所述辅助样本和所述目标样本的初始权重作为训练权重;
基于所述辅助样本的数量和所述目标样本的数量均匀生成所述辅助样本和所述目标样本的初始权重,对所述辅助样本和所述目标样本的初始权重中的正样本的权重各自乘以预设系数,对所述辅助样本和所述目标样本权重进行标准化,生成训练权重;
基于所述目标样本的数量生成所述目标样本的初始权重,使用截断正态分布函数随机生成所述辅助样本的初始权重,对所述辅助样本和所述目标样本的初始权重进行标准化,生成训练权重。
11.根据权利要求8所述的装置,其中,训练停止条件包括以下至少一项:
采用所述迁移算子的迭代训练轮次达到预设轮次;
所述辅助样本的权重在所述训练权重中的占比大于或等于设定阈值。
12.根据权利要求8-11之一所述的装置,其中,所述第一获取单元包括:
获取模块,被配置成在满足训练停止条件之后,得到每次迭代训练对应的分类器,所述分类器通过调整所述基学习器的参数得到;
确定模块,被配置成基于每次迭代训练对应的分类器,采用预设规则确定目标模型。
13.根据权利要求12所述的装置,其中,所述确定模块包括以下至少一个子模块:
第一子模块,被配置成基于所有迭代训练对应的分类器,获取所述目标模型,所述目标模型的输出结果是所有迭代训练对应的分类器的输出结果的均值或者加权均值;
第二子模块,被配置成从所有迭代训练对应的分类器中确定满足第一预设指标的分类器,作为目标模型;
第三子模块,被配置成从所有迭代训练对应的分类器中确定满足第二预设指标的分类器,并基于该分类器前设定位的分类器,获取所述目标模型,所述目标模型的输出结果为所述前设定位的分类器的输出结果的均值或加权均值。
14.一种数据分类装置,所述装置包括:
第二获取单元,被配置成获取待分类数据;
第二输入单元,被配置成将所述待分类数据输入采用如权利要求8-13中任一项所述的装置生成的目标模型中,输出所述待分类数据的分类结果。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210113494.9A CN114444606A (zh) | 2022-01-30 | 2022-01-30 | 模型训练和数据分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210113494.9A CN114444606A (zh) | 2022-01-30 | 2022-01-30 | 模型训练和数据分类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444606A true CN114444606A (zh) | 2022-05-06 |
Family
ID=81371001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210113494.9A Pending CN114444606A (zh) | 2022-01-30 | 2022-01-30 | 模型训练和数据分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444606A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456168B (zh) * | 2022-09-05 | 2023-08-25 | 北京百度网讯科技有限公司 | 强化学习模型的训练方法、能耗确定方法和装置 |
-
2022
- 2022-01-30 CN CN202210113494.9A patent/CN114444606A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456168B (zh) * | 2022-09-05 | 2023-08-25 | 北京百度网讯科技有限公司 | 强化学习模型的训练方法、能耗确定方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326764B (zh) | 训练图像识别模型和图像识别的方法和装置 | |
EP3852020A1 (en) | Classification model training and use methods and apparatuses, device, and medium | |
EP3893169A2 (en) | Method, apparatus and device for generating model and storage medium | |
CN112270545A (zh) | 基于迁移样本筛选的金融风险预测方法、装置和电子设备 | |
CN111667056B (zh) | 用于搜索模型结构的方法和装置 | |
CN112508580A (zh) | 基于拒绝推断方法的模型构建方法、装置和电子设备 | |
US20230206024A1 (en) | Resource allocation method, resource allocation apparatus, device, medium and computer program produ | |
CN110310114A (zh) | 对象分类方法、装置、服务器及存储介质 | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN115062718A (zh) | 语言模型训练方法、装置、电子设备及存储介质 | |
CN113409898B (zh) | 分子结构获取方法、装置、电子设备及存储介质 | |
CN114444606A (zh) | 模型训练和数据分类方法及装置 | |
CN114462598A (zh) | 深度学习模型的训练方法、确定数据类别的方法和装置 | |
CN113657468A (zh) | 预训练模型的生成方法、装置、电子设备和存储介质 | |
CN113568820A (zh) | 监控模型的方法、装置、电子设备和介质 | |
WO2023215658A1 (en) | Implementing monotonic constrained neural network layers using complementary activation functions | |
CN116342164A (zh) | 目标用户群体的定位方法、装置、电子设备及存储介质 | |
CN115579069A (zh) | scRNA-Seq细胞类型注释数据库的构建方法、装置及电子设备 | |
CN114548307A (zh) | 分类模型训练方法和装置、分类方法和装置 | |
CN113807391A (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
CN114417822A (zh) | 用于生成模型解释信息的方法、装置、设备、介质和产品 | |
CN114037052A (zh) | 检测模型的训练方法、装置、电子设备及存储介质 | |
CN113850072A (zh) | 文本情感分析方法、情感分析模型训练方法、装置、设备及介质 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 |
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 |