[发明专利]模型参数的处理方法、装置、设备和计算机存储介质

权利要求书

1.一种机器学习平台中模型参数的处理方法，其特征在于，该方法包括：

获取用户建立的学习模型以及训练数据；所述学习模型包括用于判别一笔交易是否存在欺诈行为的逻辑回归模型时，所述训练数据包括交易数据；所述学习模型包括用于判别电子邮件是否为垃圾邮件的逻辑回归模型时，所述训练数据包括电子邮件；或者，所述学习模型包括用于判别用户性别是男是女的逻辑回归模型时，所述训练数据包括用户性别；

确定所述学习模型的目标函数，迭代计算出基准参数候选集合；

以所述候选集合中的基准参数取值以及所述训练数据，对所述学习模型进行训练，确定模型对应的训练结果；

将训练结果满足预设条件的模型对应的基准参数作为所述学习模型的参数；

在模型参数的展示界面上，将所述学习模型的参数展示给用户，以便用户进行编辑处理。

2.根据权利要求1所述的方法，其特征在于，所述学习模型包括逻辑回归模型；

所述基准参数候选集合包括基准超参数。

3.根据权利要求1所述的方法，其特征在于，所述确定所述学习模型的目标函数，迭代计算出基准参数候选集合包括：

以所述学习模型的损失函数作为目标函数，迭代计算所述学习模型的参数的取值；

利用所述学习模型的参数的取值确定基准参数；

利用所述基准参数构造基准参数候选集合。

4.一种逻辑回归模型的参数调整方法，其特征在于，该方法包括：

以逻辑回归模型在训练数据上的损失函数作为目标函数，确定模型参数的第一取值；

将利用所述模型参数的第一取值确定出的超参数作为基准超参数；

利用基准超参数构造超参数候选集合；

分别针对所述超参数候选集合中的各超参数取值执行以下处理：以该超参数取值构造结构风险函数；以该结构风险函数作为目标函数，确定模型参数的第二取值；以模型参数的第二取值预测验证样本集；

从得到的各模型参数的第二取值中，选择对验证样本集的预测结果最优的模型参数的第二取值作为模型参数，确定对应的超参数取值；

在模型参数的展示界面上，将所述模型参数展示给用户，以便用户进行编辑处理；

其中，所述逻辑回归模型包括用于判别一笔交易是否存在欺诈行为的逻辑回归模型时，所述训练数据包括交易数据；所述逻辑回归模型包括用于判别电子邮件是否为垃圾邮件的逻辑回归模型时，所述训练数据包括电子邮件；或者，学习模型包括用于判别用户性别是男是女的逻辑回归模型时，所述训练数据包括用户性别。

5.根据权利要求4所述的方法，其特征在于，所述以逻辑回归模型在训练数据上的损失函数作为目标函数，确定模型参数的第一取值包括：

初始化模型参数的取值和迭代次数；

增加迭代次数的取值；

计算依据当前模型参数取值得到的损失函数倒数的取值，确定模型参数的增量；

利用模型参数的增量更新模型参数的取值；

判断是否满足迭代终止条件，如果是，则迭代结束，确定当前模型参数的取值作为模型参数的第一取值；否则，转至执行所述增加迭代次数的取值。

6.根据权利要求4所述的方法，其特征在于，所述训练数据包括训练样本集，所述训练样本集包括多个训练样本；利用所述模型参数的第一取值确定超参数的方式包括：

利用模型参数的第一取值确定各训练样本的损失函数和正则项；

利用确定出的损失函数的均值以及所述正则项，确定超参数。

7.根据权利要求4所述的方法，其特征在于，所述超参数候选集合中包含0.1至10倍基准超参数取值范围内的N个超参数取值。

8.根据权利要求7所述的方法，其特征在于，所述超参数候选集合包含：基准超参数N等分的各取值。

9.根据权利要求4所述的方法，其特征在于，以该超参数取值构造结构风险函数包括：

将正则函数与超参数的积与损失函数之和作为结构风险函数。