[发明专利]超参数的确定方法、装置、设备和介质

权利要求书

1.一种超参数的确定方法，其特征在于，包括：

将确定的至少两组超参数组分别设置于待训练的基础学习模型中，得到至少两个目标学习模型，并利用训练样本对各目标学习模型进行训练；

对训练的各目标学习模型的预测效果进行测试，将预测效果满足设定效果要求的目标学习模型的超参数组，传递给预测效果不满足设定效果要求的目标学习模型；

继续对各目标学习模型进行训练，直至各目标学习模型满足设定训练停止条件，停止对各目标学习模型的训练，根据各目标学习模型的预测效果从各目标学习模型设置的超参数组中选择目标超参数组。

2.根据权利要求1所述的方法，其特征在在于，所述将预测效果满足设定效果要求的目标学习模型的超参数组，传递给预测效果不满足设定效果要求的目标学习模型包括：

根据各目标学习模型的预测效果，从各目标学习模型的超参数组中筛选出种子超参数组；

对种子超参数组进行复制，对复制的种子超参数组中的超参数进行扰动；

将经过扰动的种子超参数组设置于非种子超参数组的目标学习模型中，并替换非种子超参数组。

3.根据权利要求2所述的方法，其特征在于，所述根据各目标学习模型的预测效果，从各目标学习模型的超参数组中筛选出种子超参数组，包括：

根据各目标学习模型的预测效果，对各目标学习模型进行排序；

按照排序结果取预测效果位于前设定名次的目标学习模型的超参数组，作为种子超参数组。

4.根据权利要求2所述的方法，其特征在于，所述对种子超参数组进行复制，包括：

从所述种子超参数组中随机选择待复制的种子超参数组；

对待复制的种子超参数组进行复制。

5.根据权利要求2所述的方法，其特征在于，所述对种子超参数组进行复制，包括：

对所述种子超参数组分别进行复制。

6.根据权利要求1-5中任一所述的方法，其特征在于，所述将确定的至少两组超参数组分别设置于类型和结构相同的至少两个目标学习模型中，并利用训练样本对各目标学习模型进行训练之前，还包括：

根据目标学习模型的超参数范围，随机确定设定组数的超参数组；或，

根据目标学习模型的超参数范围，按照设定步长，确定设定组数的超参数组。

7.根据权利要求1所述的方法，其特征在于，所述对训练的各目标学习模型的预测效果进行测试，包括：

若目标学习模型的训练满足设定训练暂停条件，则停止对目标学习模型的训练，对训练的各目标学习模型的预测效果进行测试。

8.一种超参数的确定装置，其特征在于，包括：

模型训练模块，用于将确定的至少两组超参数组分别设置于待训练的基础学习模型中，得到至少两个目标学习模型，并利用训练样本对各目标学习模型进行训练；

超参数传递模块，用于对训练的各目标学习模型的预测效果进行测试，将预测效果满足设定效果要求的目标学习模型的超参数组，传递给预测效果不满足设定效果要求的目标学习模型；

最优超参数确定模块，用于继续对各目标学习模型进行训练，直至各目标学习模型满足设定训练停止条件，停止对各目标学习模型的训练，根据各目标学习模型的预测效果从各目标学习模型设置的超参数组中选择目标超参数组。

9.根据权利要求8所述的装置，其特征在在于，所述超参数传递模块包括：

筛选单元，用于根据各目标学习模型的预测效果，从各目标学习模型的超参数组中筛选出种子超参数组；

随机扰动单元，用于对种子超参数组进行复制，对复制的种子超参数组中的超参数进行扰动；

参数复制单元，用于将经过扰动的种子超参数组设置于非种子超参数组的目标学习模型中，并替换非种子超参数组。