CN115034322A - 数据处理方法、装置及电子设备 - Google Patents
数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115034322A CN115034322A CN202210698442.2A CN202210698442A CN115034322A CN 115034322 A CN115034322 A CN 115034322A CN 202210698442 A CN202210698442 A CN 202210698442A CN 115034322 A CN115034322 A CN 115034322A
- Authority
- CN
- China
- Prior art keywords
- model
- processed
- data
- index
- data processing
- 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
- 238000003672 processing method Methods 0.000 title abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 16
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013103 analytical ultracentrifugation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Technology Law (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了数据处理方法、装置、电子设备及存储介质,涉及人工智能技术领域中的深度学习技术领域,可用于金融风控、营销等场景。其中方法为:获取待处理模型对应的第一数据集,第一数据集中包括样本和样本标签;根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集;根据多个第二数据集和样本标签,获取模型的指标的数值;以及根据指标的数值,生成待处理模型的数据处理结果。本公开获取已知的第一数据集中的特征在不同时期的特征数据,根据不同时期的特征数据和已知的样本标签对待处理模型进行性能相关的指标的计算,完成对待处理模型的数据处理过程,在难以及时获取模型调用方的反馈数据的情况下,完成对模型性能的查验。
Description
技术领域
本公开涉及人工智能技术领域中的深度学习技术领域,尤其涉及一种数据处理方法、装置及电子设备。
背景技术
目前,为了确保模型的性能满足调用方的要求,在模型训练阶段、模型上线前以及模型上线后需要对模型进行打分等数据处理过程。通常根据已有的带标签的数据集对模型进行数据处理,例如在模型上线后可以根据调用方反馈的数据构建上述带有标签的数据集,以此完成上述数据处理过程。然而如何在难以及时获取反馈数据的情况下,通过对模型进行相关的数据处理,完成对模型性能的查验已经成为亟待解决的问题。
发明内容
提供了一种数据处理方法、装置及电子设备。
根据第一方面,提供了一种数据处理方法,包括:获取待处理模型对应的第一数据集,所述第一数据集中包括样本和样本标签;根据所述样本的特征,获取所述特征在不同时期的特征数据,以生成多个第二数据集;根据所述多个第二数据集和所述样本标签,获取所述待处理模型的指标的数值,所述指标用于表征所述待处理模型的性能;以及根据所述指标的数值,生成所述待处理模型的数据处理结果。
根据第二方面,提供了一种数据处理装置,包括:第一获取模块,用于获取待处理模型对应的第一数据集,所述第一数据集中包括样本和样本标签;第二获取模块,用于根据所述样本的特征,获取所述特征在不同时期的特征数据,以生成多个第二数据集;第三获取模块,用于根据所述多个第二数据集和所述样本标签,获取所述待处理模型的指标的数值,所述指标用于表征所述待处理模型的性能;以及生成模块,用于根据所述指标的数值,生成所述待处理模型的数据处理结果。
根据第三方面,提供了一种电子设备,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本公开第一方面所述的数据处理方法。
根据第四方面,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,其中,所述计算机指令用于使所述计算机执行根据本公开第一方面所述的数据处理方法。
根据第五方面,提供了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根据本公开第一方面所述数据处理方法的步骤。
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是根据本公开第一实施例的数据处理方法的流程示意图;
图2是根据本公开第二实施例的数据处理方法的流程示意图;
图3是根据本公开第三实施例的数据处理方法的流程示意图;
图4是根据本公开第四实施例的数据处理方法的流程示意图;
图5是在不同阶段对待处理模型进行数据处理的示意框图;
图6是根据本公开实施例在不同阶段对待处理模型进行数据处理的示意图;
图7是根据本公开第一实施例的数据处理装置的框图;
图8是根据本公开第二实施例的数据处理装置的框图;
图9是用来实现本公开实施例的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。
人工智能(ArtificialIntelligence,简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
深度学习(Deep Learning,简称DL),是机器学习(Machine Learning,简称ML)领域中一个新的研究方向,学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。就具体研究内容而言,主要包括基于卷积运算的神经网络系统,即卷积神经网络;基于多层神经元的自编码神经网络;以多层自编码神经网络的方式进行预训练,进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。
下面结合附图描述本公开实施例的数据处理方法、装置及电子设备。
图1是根据本公开第一实施例的数据处理方法的流程示意图。
如图1所示,本公开实施例的数据处理方法具体可包括以下步骤:
S101,获取待处理模型对应的第一数据集,第一数据集中包括样本和样本标签。
具体的,本公开实施例的数据处理方法的执行主体可为本公开实施例提供的数据处理装置,该数据处理装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的,执行主体可包括工作站、服务器,计算机、用户终端及其他设备。其中,用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
本公开实施例,针对一个待处理模型,获取该模型对应的一份第一数据集,该第一数据集中包括样本和样本标签,还可以包括样本对应的特征数据。其中上述待处理模型可以为模型上线后需要定期进行性能查验的模型。实际中,可以将训练阶段的一份带有标签的数据集作为对待处理模型进行数据处理时的一个已知的第一数据集,例如在金融风控场景中,该第一数据集中的每个样本对应一个用户,样本标签可以为该用户是否违约。
S102,根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集。
在本公开实施例中,获取样本对应的每个特征在不同时期的特征数据。此处所表述的时期不同于第一数据集中特征数据对应的时期,其中,样本的特征也可以理解为上述第一数据集的特征,例如风控模型对应的一个第一数据集中样本的特征可以为用户的年龄以及用户办理的金融业务的相关业务指标等。
由此可以得到第一数据集中每个样本下的每个特征在不同时期对应的特征数据,可以将不同时期的特征数据放入不同的数据集中以得到多个新的第二数据集,其中上述“时期”可以为预设时间窗口对应的时间长度,例如周或月等。
S103,根据多个第二数据集和样本标签,获取待处理模型的指标的数值,指标用于表征待处理模型的性能。
实际中,若无法及时获取模型调用方的反馈数据,我们难以确定该用户当前对应的标签,难以根据该用户当前对应的特征数据对模型进行打分等数据处理过程,难以完成对模型性能的查验。举例说明,在电商场景中,用户是否点击平台推荐的商品可以作为反馈数据反馈至服务器,该数据可以作为用户当前的特征数据对应的标签,如当前的特征数据为用户当前搜索查询等行为对应的参数,该标签为是否点击平台推荐的商品。该标签可用于对推荐模型进行上述数据处理过程。
在难以及时获取反馈数据,即用户当前行为对应的标签时,本公开将同一样本(即同一用户)对应的已知标签(即第一数据集中的样本标签)作为上述第二数据集中该样本的特征数据对应的标签。以此形成一个包括更新后的特征数据和已知样本标签的有标签数据集。
在本公开实施例中,根据第二数据集中包括的某一时期的特征数据和样本标签,计算待处理模型的指标的数值。其中待处理模型的指标可用于表征待处理模型的性能,至少包括但不限于接收者操作特征曲线(Receiver Operating Characteristic Curve,简称ROC曲线)对应的曲线下面积(Area Under Curve,简称AUC)、模型区分度指标(KolmogorovSmirnov,简称KS)和模型稳定度指标即群体稳定性指标(Population Stability Index,简称PSI)。
S104,根据指标的数值,生成待处理模型的数据处理结果。
在本公开实施例中,根据获取的待处理模型的指标的数值,判断待处理模型的稳定性、分类效果、正负样本分布情况等,以得到待处理模型的数据处理结果,完成对模型性能的查验。
综上,本公开实施例的数据处理方法,获取待处理模型对应的第一数据集,第一数据集中包括样本和样本标签;根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集;根据多个第二数据集和样本标签,获取待处理模型的指标的数值,指标可用于表征待处理模型的性能;以及根据指标的数值,生成待处理模型的数据处理结果。本公开提供的数据处理方法,根据已知的第一数据集,获取该第一数据集中的特征在不同时期的特征数据,根据不同时期的特征数据和已知的样本标签对待处理模型进行性能相关的指标的计算,完成对待处理模型的数据处理过程,在难以及时获取待处理模型调用方的反馈数据的情况下,完成对模型性能查验。
图2是根据本公开第二实施例的数据处理方法的流程示意图。
如图2所示,在图1所示实施例的基础上,本公开实施例的数据处理方法具体可包括以下步骤:
S201,获取待处理模型对应的第一数据集,有第一数据集中包括样本和样本标签。
S202,根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集。
S203,从多个第二数据集中确定两个目标数据集。
在本公开实施例中,从多个第二数据集中选择预设时期对应的第二数据集作为目标数据集,以获取不同预设时期的特征数据。
S204,根据两个目标数据集和样本标签,获取模型区分度指标对应的两个数值、曲线下面积对应的两个数值以及模型稳定度指标对应的数值。
在本公开实施例中,将每个目标数据集和样本标签作为一个有标签数据集,基于该有标签数据集计算模型的AUC值和模型的KS值,从而得到基于不同时期的特征数据对待处理模型的打分情况。此外,还可以基于上述两个目标数据集计算模型的稳定度指标PSI的值。
在一些实施例中,可以根据需要获取待处理模型的指标的数值,并不限于同时获取AUC、KS、和PSI三个指标的数值。
S205,根据指标的数值,生成待处理模型的数据处理结果。
具体的,步骤S201-S202与上述步骤S101-S102相同,步骤S205与上述步骤S104相同,此处不再赘述。
在一些实施例中,还可以将特征数据更新后的一个时期的特征数据作为一个第二数据集,将特征数据更新前的一个已知的有标签数据集作为一个第一数据集,以此计算待处理模型的指标的数值。
在上述实施例的基础上,如图3所示,上述步骤S205中“根据指标的数值,生成待处理模型的数据处理结果”,可包括以下步骤:
S301,计算模型区分度指标对应的两个数值之间的第一差值和曲线下面积对应的两个数值之间的第二差值。
在本公开实施例中,若基于对AUC、KS、和PSI三个指标的数值的计算完成对待处理模型的数据处理过程,则需要计算待处理模型对应的两个KS值之间的差值,将该差值作为第一差值,计算待处理模型对应的两个AUC值之间的差值,将该差值作为第二差值,以判断待处理模型的指标的数值是否满足对应的条件。
S302,响应于待处理模型的指标的数值满足以下任一条件:第一差值大于第一阈值、第二差值大于第二阈值和模型稳定度指标对应的数值大于第三阈值,则确定待处理模型的数据处理结果为模型异常。
在本公开实施例中,若待处理模型的指标的数值满足以下任一条件,则将该待处理模型的数据处理结果确定为模型异常。其中待处理模型的指标的数值对应的条件为:
条件一:两个KS值之间的差值(即第一差值)大于第一阈值;
条件二:两个AUC之间的差值(即第二差值)大于第二阈值;
条件三:模型稳定度指标PSI对应的数值大于第三阈值。
S303,响应于第一差值小于或等于第一阈值,且第二差值小于或等于第二阈值,且稳定度指标对应的数值小于或等于第三阈值,则确定待处理模型的数据处理结果为模型正常。
在本公开实施例中,若两个KS值之间的差值(即第一差值)小于或等于第一阈值,且两个AUC值之间的差值(即第二差值)小于或等于第二阈值,且稳定度指标对应的数值小于或等于第三阈值,则可认为该待处理模型的数据处理结果为模型正常。
其中,第一阈值、第二阈值和第三阈值可以根据需要预先设置,例如,第一阈值和第二阈值可设置为0.03,第三阈值可设置为0.1,即在不同时期的特征数据下待处理模型对应的AUC变化不可超过0.03,且对应的KS变化不超过0.03,且待处理模型的PSI不超过0.1时,可认为该待处理模型的数据处理结果为模型正常。
在上述实施例的基础上,如图4所示,本公开实施例的数据处理方法还可以包括对特征的检测或分析过程,具体可包括以下步骤:
S401,响应于待处理模型的数据处理结果为模型异常,则根据多个第二数据集,检测特征的分布。
在本公开实施例中,若待处理模型的数据处理结果为模型异常,可以通过分析样本的特征的分布来检查模型异常是否为特征原因引起的。
首先可以根据多个第二数据集中的更新后的特征数据,查看特征的分布情况,例如计算特征的正样本率、覆盖率以及通过对相同特征分箱后计算特征的PSI值来判断特征稳定性,以得到特征的分布的检测结果,如特征稳定性低或特征的分布较大。
S402,根据对特征的分布的检测结果,分析待处理模型的数据处理结果为模型异常的原因。
在本公开实施例中,根据对特征的分布的检测结果,确定是否为特征问题,例如若特征的分布较大,人工检查是否是特征值(即特征数据)问题导致的,特征值问题一般是提取程序错误或者底层数据有变化未通知使用端导致,可以进行特征值修复。针对能修复的特征值,在修复完成后重新对待处理模型进行上述数据处理;针对特征值不能修复的,可以通过重新迭代该模型,更新该模型。
由此,基于已知的一份有标签的第一数据集和在不同时期已更新的特征数据,可以在缺失实时反馈数据的情况下,对待处理模型进行性能相关的数据处理过程,以确定是否需要对该待处理模型进行进一步的检查和更新,能够在金融风控和营销场景中及早地发现模型特征或模型本身效果衰减的问题,避免给客户造成损失。
为详细地说明本公开实施例的数据处理方法,现结合图5-图6进行详细描述,图5是在不同阶段对待处理模型进行数据处理的示意框图,如图5所示,在模型的整个生命周期内(模型训练、模型上线前以及模型上线后)均需要对模型进行上述数据处理,本公开实施例可应用于模型训练时通过上述数据处理过程对模型进行回溯检查以及特征选择;还可应用于模型上线前通过上述数据处理过程对模型分和入模特征进行校验;还可应用于在模型上线后通过上述数据处理过程定期对模型分和入模特征进行检测。例如,如图6所示,在模型上线前,根据最新时间段内的特征数据计算待处理模型的指标的数值,通过分析待处理模型的指标的数值是否超出对应的阈值来对待处理模型进行模型打分等数据处理,若数据处理结果为模型异常则对特征进行检查,并重新对该模型进行上述数据处理,若数据处理结果为模型正常,则将该模型上线,并根据预设时间定期对待处理模型进行数据处理,检测待处理模型各个指标的变化,通过分析待处理模型的指标的数值是否超出对应的阈值来查验模型是否正常,若正常则保留模型,若异常则分析模型异常的原因。
图7是根据本公开第一实施例的数据处理装置的框图。
如图7所示,本公开实施例的数据处理装置700,包括:第一获取模块701、第二获取模块702、第三获取模块703和生成模块704。
第一获取模块701,用于获取待处理模型对应的第一数据集,第一数据集中包括样本和样本标签。
第二获取模块702,用于根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集。
第三获取模块703,用于根据多个第二数据集和样本标签,获取待处理模型的指标的数值,指标用于表征待处理模型的性能。
生成模块704,用于根据指标的数值,生成待处理模型的数据处理结果。
需要说明的是,上述对数据处理方法实施例的解释说明,也适用于本公开实施例的数据处理装置,具体过程此处不再赘述。
综上,本公开实施例的数据处理装置,获取待处理模型对应的第一数据集,第一数据集中包括样本和样本标签;根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集;根据多个第二数据集和样本标签,获取待处理模型的指标的数值,指标可用于表征待处理模型的性能;以及根据指标的数值,生成待处理模型的数据处理结果。本公开提供的数据处理方法,根据已知的第一数据集,获取该第一数据集中的特征在不同时期的特征数据,根据不同时期的特征数据和已知的样本标签对待处理模型进行性能相关的指标的计算,完成对待处理模型的数据处理过程,在难以及时获取反馈数据的情况下,完成对模型性能的查验。
图8是根据本公开第二实施例的数据处理装置的框图。
如图8所示,本公开实施例的数据处理装置800,包括:第一获取模块801、第二获取模块802、第三获取模块803和生成模块804。
其中,第一获取模块801与上一实施例中的第一获取模块701具有相同的结构和功能,第二获取模块802与上一实施例中第二获取模块702具有相同的结构和功能,第三获取模块803与上一实施例中的第三获取模块703具有相同的结构和功能,生成模块804与上一实施例中的生成模块704具有相同的结构和功能。
进一步地,待处理模型的指标包括以下至少一种:接收者操作特征曲线对应的曲线下面积、模型区分度指标和模型稳定度指标。
进一步地,第三获取模块803,包括:确定单元8031,用于从多个第二数据集中确定两个目标数据集;以及获取单元8032,用于根据两个目标数据集和样本标签,获取模型区分度指标对应的两个数值、曲线下面积对应的两个数值以及模型稳定度指标对应的数值。
进一步地,生成模块804,包括:计算单元,用于计算模型区分度指标对应的两个数值之间的第一差值和曲线下面积对应的两个数值之间的第二差值;第一确定单元,用于响应于待处理模型的指标的数值满足以下任一条件:第一差值大于第一阈值、第二差值大于第二阈值和模型稳定度指标对应的数值大于第三阈值,则确定待处理模型的数据处理结果为模型异常;以及第二确定单元,用于响应于第一差值小于或等于第一阈值,且第二差值小于或等于第二阈值,且稳定度指标对应的数值小于或等于第三阈值,则确定待处理模型的数据处理结果为模型正常。
进一步地,数据处理装置800还可以包括:检测模块,用于响应于待处理模型的数据处理结果为模型异常,则根据多个第二数据集,检测特征的分布;以及分析模块,用于根据对特征的分布的检测结果,分析待处理模型的数据处理结果为模型异常的原因。
综上,本公开实施例的数据处理装置,获取待处理模型对应的第一数据集,第一数据集中包括样本和样本标签;根据样本的特征,获取特征在不同时期的特征数据,以生成多个第二数据集;根据多个第二数据集和样本标签,获取待处理模型的指标的数值,指标可用于表征待处理模型的性能;以及根据指标的数值,生成待处理模型的数据处理结果。本公开提供的数据处理方法,根据已知的第一数据集,获取该第一数据集中的特征在不同时期的特征数据,根据不同时期的特征数据和已知的样本标签对待处理模型进行性能相关的指标的计算,完成对待处理模型的数据处理过程,在难以及时获取反馈数据的情况下,完成对模型性能的查验。
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9示出了可以用来实施本公开的实施例的示例电子设备900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9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许电子设备900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901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901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901执行上文所描述的各个方法和处理,例如图1至图6所示的数据处理方法。例如,在一些实施例中,数据处理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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM903并由计算单元901执行时,可以执行上文描述的语义解析方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
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数据处理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)、互联网以及区块链网络。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现根据本公开上述实施例所示的数据处理方法的步骤。
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 (13)
1.一种数据处理方法,包括:
获取待处理模型对应的第一数据集,所述第一数据集中包括样本和样本标签;
根据所述样本的特征,获取所述特征在不同时期的特征数据,以生成多个第二数据集;
根据所述多个第二数据集和所述样本标签,获取所述待处理模型的指标的数值,所述指标用于表征所述待处理模型的性能;以及
根据所述指标的数值,生成所述待处理模型的数据处理结果。
2.根据权利要求1所述的方法,其中,所述待处理模型的所述指标包括以下至少一种:
接收者操作特征曲线对应的曲线下面积、模型区分度指标和模型稳定度指标。
3.根据权利要求2所述的方法,其中,所述根据所述多个第二数据集和所述样本标签,获取所述待处理模型的指标的数值,包括:
从所述多个第二数据集中确定两个目标数据集;以及
根据所述两个目标数据集和所述样本标签,获取所述模型区分度指标对应的两个数值、所述曲线下面积对应的两个数值以及所述模型稳定度指标对应的数值。
4.根据权利要求3所述的方法,其中,所述根据所述指标的数值,生成所述待处理模型的数据处理结果,包括:
计算所述模型区分度指标对应的两个数值之间的第一差值和所述曲线下面积对应的两个数值之间的第二差值;
响应于所述待处理模型的所述指标的数值满足以下任一条件:所述第一差值大于第一阈值、所述第二差值大于第二阈值和所述模型稳定度指标对应的数值大于第三阈值,则确定所述待处理模型的数据处理结果为模型异常;以及
响应于所述第一差值小于或等于所述第一阈值,且所述第二差值小于或等于所述第二阈值,且所述稳定度指标对应的数值小于或等于所述第三阈值,则确定所述待处理模型的数据处理结果为模型正常。
5.根据权利要求4所述的方法,还包括:
响应于所述待处理模型的数据处理结果为模型异常,则根据所述多个第二数据集,检测所述特征的分布;以及
根据对所述特征的分布的检测结果,分析所述待处理模型的数据处理结果为模型异常的原因。
6.一种数据处理装置,包括:
第一获取模块,用于获取待处理模型对应的第一数据集,所述第一数据集中包括样本和样本标签;
第二获取模块,用于根据所述样本的特征,获取所述特征在不同时期的特征数据,以生成多个第二数据集;
第三获取模块,用于根据所述多个第二数据集和所述样本标签,获取所述待处理模型的指标的数值,所述指标用于表征所述待处理模型的性能;以及
生成模块,用于根据所述指标的数值,生成所述待处理模型的数据处理结果。
7.根据权利要求6所述的装置,其中,所述待处理模型的所述指标包括以下至少一种:
接收者操作特征曲线对应的曲线下面积、模型区分度指标和模型稳定度指标。
8.根据权利要求7所述的装置,其中,所述第三获取模块,包括:
确定单元,用于从所述多个第二数据集中确定两个目标数据集;以及
获取单元,用于根据所述两个目标数据集和所述样本标签,获取所述模型区分度指标对应的两个数值、所述曲线下面积对应的两个数值以及所述模型稳定度指标对应的数值。
9.根据权利要求8所述的装置,其中,所述生成模块,包括:
计算单元,用于计算所述模型区分度指标对应的两个数值之间的第一差值和所述曲线下面积对应的两个数值之间的第二差值;
第一确定单元,用于响应于所述待处理模型的所述指标的数值满足以下任一条件:所述第一差值大于第一阈值、所述第二差值大于第二阈值和所述模型稳定度指标对应的数值大于第三阈值,则确定所述待处理模型的数据处理结果为模型异常;以及
第二确定单元,用于响应于所述第一差值小于或等于所述第一阈值,且所述第二差值小于或等于所述第二阈值,且所述稳定度指标对应的数值小于或等于所述第三阈值,则确定所述待处理模型的数据处理结果为模型正常。
10.根据权利要求9所述的装置,还包括:
检测模块,用于响应于所述待处理模型的数据处理结果为模型异常,则根据所述多个第二数据集,检测所述特征的分布;以及
分析模块,用于根据对所述特征的分布的检测结果,分析所述待处理模型的数据处理结果为模型异常的原因。
11.一种电子设备,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1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210698442.2A CN115034322A (zh) | 2022-06-20 | 2022-06-20 | 数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210698442.2A CN115034322A (zh) | 2022-06-20 | 2022-06-20 | 数据处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115034322A true CN115034322A (zh) | 2022-09-09 |
Family
ID=83125050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210698442.2A Pending CN115034322A (zh) | 2022-06-20 | 2022-06-20 | 数据处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034322A (zh) |
-
2022
- 2022-06-20 CN CN202210698442.2A patent/CN115034322A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN114417118A (zh) | 一种异常数据处理方法、装置、设备以及存储介质 | |
CN113127365A (zh) | 确定网页质量的方法、装置、电子设备和计算机可读存储介质 | |
CN112765452A (zh) | 搜索推荐方法、装置及电子设备 | |
CN113190746A (zh) | 推荐模型的评估方法、装置及电子设备 | |
CN114141236B (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
CN116340172A (zh) | 基于测试场景的数据收集方法、装置及测试用例检测方法 | |
CN113222414B (zh) | 模型稳定性的评估方法、装置、电子设备和存储介质 | |
CN113807391A (zh) | 任务模型的训练方法、装置、电子设备及存储介质 | |
CN113887101A (zh) | 网络模型的可视化方法、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 | |
CN115034322A (zh) | 数据处理方法、装置及电子设备 | |
CN114693116A (zh) | 代码评审有效性的检测方法及装置、电子设备 | |
CN114254028A (zh) | 事件属性抽取方法、装置、电子设备和存储介质 | |
CN114548307A (zh) | 分类模型训练方法和装置、分类方法和装置 | |
CN114021642A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN113032251A (zh) | 应用程序服务质量的确定方法、设备和存储介质 | |
CN114492364A (zh) | 相同漏洞的判断方法、装置、设备和存储介质 | |
CN113190749B (zh) | 用于确定对象属性的方法及装置、电子设备和介质 | |
CN115904976A (zh) | 小程序的审核方法、装置、电子设备与可读存储介质 | |
KR20220025148A (ko) | 웨이크업 지표 모니터링 방법, 장치 및 전자 기기 | |
CN114861820A (zh) | 样本数据筛选方法、模型训练方法、装置及电子设备 | |
CN114996157A (zh) | 变更代码的风险识别方法、装置、设备以及存储介质 | |
CN114416678A (zh) | 一种资源处理方法、装置、设备以及存储介质 |
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 |