[发明专利]一种模型训练的方法以及相关装置

说明书

本申请实施例公开了一种模型训练的方法以及相关装置，通过计算训练集合与目标集合的新特征，使得训练集合与目标集合训练样本与预测数据分布更相近，最后选择与目标集合相似度高的训练集合作为训练样本，通过该训练样本进行模型训练，降低了训练样本的偏差，提高了模型效果。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型训练的方法以及相关装置。

背景技术

在计算机软件中，建立模型然后通过模型实现计算机功能是一种常见的方式。算法模型的建立通常是选择训练样本，然后根据训练样本对模型进行训练，训练后的模型可用于实现一些功能。

在选择训练样本时，通常是选择某一时段的数据作为训练源数据，或者是选择某一地域的数据作为训练源数据，又或者是选择某些节点的数据作为训练源数据，诸如此类。然后对训练源数据进行采样得到训练样本，采样的方式可以是随机采样、上下采样等方法。

上述的选择训练样本的方法带有很大的随机性，训练样本容易出现较大的偏差，导致最后建立模型的偏差问题。

发明内容

本申请实施例提供了一种模型训练的方法以及相关装置，用于解决训练样本偏差较大导致建模失败的技术问题。

有鉴于此，本申请实施例第一方面提供一种模型训练的方法，包括：

获取训练集合和目标集合，所述训练集合包括至少一个数据样本，所述目标集合为预设的预测数据分布样本集合；

将所述训练集合和所述目标集合输入生成式对抗网络，通过所述生成式对抗网络生成所述训练集合的新特征；

根据所述新特征计算所述训练集合与所述目标集合之间的相似度，选择相似度超过第一预设阈值的所述训练集合作为训练样本；

采用所述训练样本进行模型训练。

本申请实施例第二方面提供一种模型训练的装置，包括：

获取单元，用于获取训练集合和目标集合，所述训练集合包括至少一个数据样本，所述目标集合为预设的预测数据分布样本集合；

处理单元，用于将所述训练集合和所述目标集合输入生成式对抗网络，通过所述生成式对抗网络生成所述训练集合的新特征；

处理单元，还用于根据所述新特征计算所述训练集合与所述目标集合之间的相似度，选择相似度超过第一阈值的所述训练集合作为训练样本；

训练单元，用于采用所述训练样本进行模型训练。

在一种可能的设计中，在本申请实施例的第二方面的一种实现方式中，所述生成式对抗网络包括生成器、第一判别器和第二判别器；

处理单元还通过所述生成器接收所述训练集合和所述目标集合，生成所述新特征；

处理单元还通过所述生成器输出具备所述新特征的所述训练集合和所述目标集合；

处理单元还通过所述第一判别器区分所述生成器输出的所述训练集合的正样本和负样本；

处理单元还通过所述第二判别器区分所述生成器输出的所述训练集合和所述目标集合。

在一种可能的设计中，在本申请实施例的第二方面的一种实现方式中，

处理单元还用于通过所述生成器接收所述训练集合，所述目标集合，第一标签以及第二标签，所述第一标签用于区分所述训练集合和所述目标集合，所述第二标签用于区分所述训练集合的所述正样本和所述负样本；

处理单元还用于以总体损失函数的输出最小为目标更新所述生成器的参数和所述第一判别器的参数；

处理单元还用于通过参数更新后的所述生成器生成所述新特征。