[发明专利]适配预测模型

权利要求书

1.一种修改预测模型的计算机实施的方法，其中，所述预测模型是基于现有训练数据来生成的并且适于处理输入数据以生成指示对涉及所述输入数据的预定问题的预测回答的预测回答数据，其中，所述方法包括：

执行差异确定步骤，所述差异确定步骤包括：

接收基准数据，所述基准数据包括范例输入数据和指示对涉及对应的范例输入数据的所述预定问题的实际或已知回答的对应的实际回答数据；

使用所述预测模型来处理所述范例输入数据以基于所述范例输入数据来生成指示对所述预定问题的预测回答的预测回答数据；并且

确定所述实际回答数据与所述预测回答数据之间的差异，

至少基于所述实际回答数据与所述预测回答数据之间的所述差异将所述预测模型的不准确度归类为至少三个类别中的一个；并且

基于所述预测模型的不准确度的所述类别来修改所述预测模型，其中：

所述差异确定步骤被迭代地重复以生成实际回答数据与对应的预测回答数据之间的多个差异；并且

将所述预测模型的所述不准确度进行归类的步骤包括：

识别所述多个差异中的模式，包括：识别是否存在所述差异中的阶跃改变并且识别是否存在所述差异中的逐渐改变，其中，每个模式对应于用于表征所述预测模型的所述不准确度的不同类别；并且

基于所识别的所述多个差异中的模式将所述预测模型的所述不准确度归类为所述至少三个类别中的一个，其中，所述不准确度在存在所述差异中的阶跃改变的情况下被归类为突然漂移并且在存在所述差异中的逐渐改变的情况下被归类为逐渐漂移。

2.根据权利要求1所述的计算机实施的方法，其中，响应于将所述不准确度归类为突然漂移，修改所述预测模型的步骤包括基于针对所述预测模型的新训练数据来重新建立新预测模型。

3.根据权利要求1或2所述的计算机实施的方法，其中，确定是否存在所述差异中随时间的阶跃改变包括确定时间窗口期间的所述差异的标准偏差是否大于第一预定值。

4.根据权利要求1或2所述的计算机实施的方法，其中，响应于将所述不准确度归类为逐渐漂移，修改所述预测模型的步骤包括：将新训练数据附加到现有训练数据，并且基于所附加的训练数据来重新建立新预测模型。

5.根据权利要求4所述的计算机实施的方法，其中，修改所述预测模型的步骤还包括丢弃所述现有训练数据的时间上最早的部分。

6.根据权利要求5所述的计算机实施的方法，其中，所丢弃的时间上最早的部分的大小与被附加到所述现有训练数据的所述新训练数据具有相同大小。

7.根据权利要求1或2所述的计算机实施的方法，其中，确定是否存在所述差异中的逐渐改变包括确定时间窗口期间的所述差异的标准偏差是否在第二预定值与第三预定值之间。

8.根据权利要求1或2所述的计算机实施的方法，其中，

识别所述多个差异中的模式的步骤包括确定是否存在所述差异中的周期性改变；

响应于确定存在所述差异中的周期性改变，将所述不准确度进行归类的步骤包括将所述不准确度归类为周期性漂移。

9.根据权利要求8所述的计算机实施的方法，其中，响应于将所述不准确度归类为周期性漂移，修改所述预测模型的步骤包括：获得新训练数据并且通过迭代地执行以下操作来迭代地修改所述预测模型：

获得由所述现有训练数据的部分和所述新训练数据的部分形成的集成训练数据；

基于所述集成训练数据来修改所述预测模型，

其中，针对修改所述预测模型的每次迭代来修改所述集成训练数据中的所述新训练数据的所述部分的大小和所述现有训练数据的所述部分的大小。