[发明专利]获取神经网络测试报告的方法、装置、设备和存储介质

权利要求书

1.一种获取神经网络测试报告的方法，其特征在于，所述方法包括：

获取特征数据；

将所述特征数据输入至第一神经网络，通过第一神经网络的代价函数训练所述第一神经网络模型，以得到模型参数w；，所述第一神经网络的代价函数为：

其中y⁽ⁱ⁾是指所述特征，w是指所述第一神经网络的模型参数，x⁽ⁱ⁾是指所述特征数据，λ为正数，||w||₁表示参数w的L1范数；

根据模型参数w对所述特征数据进行降维，以获得降维后的特征数据；

将所述降维后的特征数据输入至第二神经网络；

获取所述第二神经网络训练过程中的所述第二神经网络参数的变化状态信息，以及获取所述第二神经网络训练、入参、出参以及计算过程的执行状态信息；

将所述变化状态信息以及所述执行状态信息汇总成日志，根据所述日志生成测试报告。

2.根据权利要求1所述的方法，其特征在于，所述根据所述日志生成测试报告之后，所述方法还包括：

根据所述报告评估所述第二神经网络训练是否成功；

所述根据所述报告评估所述第二神经网络训练是否成功，包括：

根据所述执行状态信息判断训练过程是否出现错误，若没出现错误，则判断所述第二神经网络训练成功；

或者，根据所述第二神经网络参数的上限以及下限，确定参数的范围；所述参数至少包括学习率η、准确率以及损失函数的值；

根据所述变化状态信息以及所述第二神经网络参数范围判断第二神经网络参数是否落在所述参数范围内，若第二神经网络参数落在所述参数范围，则判断所述第二神经网络训练成功；

或者，判断第二神经网络的损失函数的值是否高于阈值，若没高于阈值则判断所述第二神经网络训练成功；所述损失函数是指L[(Y,f(X)]＝[Y-f(X)]²，其中所述L[(Y,f(X)]是指损失函数，Y是指所述降维后的特征数据输入至所述第二神经网络的期望输出，f(X)是指所述降维后的特征数据输入至所述第二神经网络的实际输出。

3.根据权利要求1所述的方法，其特征在于，所述根据模型参数w对所述特征数据进行降维，以获得降维后的特征数据之后，所述方法还包括：

对所述降维后的特征数据做归一化处理；所述归一化是指对所述降维后的特征数据进行线性变换，使降维后的特征数据映射到[0，1]之间；所述归一化通过以下数学公式执行：

x_i*＝(x_i-min_i)/(max_i-min_i)

其中max_i是指所述降维后的特征数据的第i个特征的最大值，min_i是指所述降维后的特征数据的第i个特征的最小值，x_i是指所述降维后的特征数据的第i个特征的任意数据，x_i*是指转换后的所述降维后的特征数据第i个特征对应的数据。

4.根据权利要求1所述的方法，其特征在于，所述获取特征数据之前，所述方法还包括：

处理所述特征数据的缺失值。

5.根据权利要求4所述的方法，其特征在于，所述处理所述特征数据的缺失值至少包括以下实现方式之一：

通过平均值、众数以及中位数对所述缺失值进行填充；

或者，将所述缺失值作为一种状态进行记录；

或者，将缺失值的记录进行删除。

6.根据权利要求1所述的方法，其特征在于，所述获取特征数据之后，所述方法还包括：

对所述特征数据做特征衍生，以得到新的特征；所述特征衍生是指用所述特征数据通过过计数、求和、求比例、做时间差以及寻找所述特征数据的波动率进行衍生。