[发明专利]一种针对目标场景的预测模型训练方法及装置

权利要求书

1.一种针对目标场景的预测模型训练方法，该方法包括：

获得N个源场景的N个带有标签的源训练样本集、及1个目标场景的1个带有标签的目标训练样本集；其中，N为预设正整数；

利用以下步骤进行迭代处理，直到达到预设结束条件：

针对N个源训练样本集中的每一样本集：将该样本集与目标训练样本集进行合并；利用合并得到的样本集，训练得到备选模型；将目标训练样本集中的各样本输入备选模型，根据模型输出的预测值及各样本的标签值，计算该模型的预测误差；

将所训练的N个备选模型中预测误差最小的模型，作为本次迭代得到的优选模型；

迭代结束后，根据预设筛选规则，从各次迭代得到的各优选模型中，选择全部或部分模型进行加权，得到针对目标场景的预测模型；其中，进行加权的任一优选模型的权重根据该模型的预测误差确定，并且预测误差与所确定权重的关系为负相关。

2.根据权利要求1所述的方法，在第一次迭代处理前，还包括：

确定所获得的N+1个样本集中各样本的预设样本权重；所述样本权重用于表示对应样本在样本集中的重要程度。

3.根据权利要求2所述的方法，所述迭代处理步骤，还包括：

针对所获得的N+1个样本集中的任一样本：根据预设的更新参数、及预设的更新规则，对本次迭代中该样本的样本权重进行更新，更新后的样本权重用于下次迭代；

其中，预设的更新参数包括：该样本的标签值、及将该样本输入本次迭代得到的优选模型后输出的预测值。

4.根据权利要求3所述的方法，所述根据预设的更新参数、及预设的更新规则，对本次迭代中该样本的样本权重进行更新，包括：

确定该样本的标签值、及将该样本输入本次迭代得到的优选模型后输出的预测值；

利用所确定标签值与预测值的差值的绝对值，对本次迭代中该样本的样本权重进行更新；

其中，在该样本为N个源训练样本集中的样本的情况下，更新结果与该绝对值的关系为负相关；在该样本为目标训练样本集中的样本的情况下，更新结果与该绝对值的关系为正相关。

5.根据权利要求1所述的方法，所述预设结束条件，包括：

迭代次数达到预设次数阈值；和/或

本次迭代得到的优选模型的预测误差小于预设误差阈值。

6.根据权利要求1所述的方法，所述根据模型输出的预测值及各样本的标签值，计算该模型的预测误差，包括：

获得该模型输出的各样本的预测值、以及各样本的标签值，并且确定各样本的预测值与标签值的差值；

确定预设的各样本的误差计算权重；

利用所确定的各样本的误差计算权重，对所确定的各样本的差值进行加权求和，得到该模型的预测误差。

7.根据权利要求6所述的方法，所述确定预设的各样本的误差计算权重，包括：

对于输入该模型的任一样本：获得本次迭代中该样本的样本权重，并将该样本权重确定为本次计算预测误差时该样本的误差计算权重；

其中，所述样本权重为预先设定和/或在迭代中计算得到，且用于表示对应样本在样本集中的重要程度。