[发明专利]一种模型优化方法、设备及存储介质

说明书

本申请实施例提供一种模型优化方法、设备及存储介质。在本申请实施例中，可预先对若干样本数据进行打标，从而获得若干样本集，在此基础上，可从若干样本集中，批量选择符合预设要求的目标样本集；并基于选择目标样本集，训练待提升模型。据此，本实施例中，可综合样本数据和打标信息，批量挑选目标样本集，加入训练集。因此，可高效地挖掘到大批量的目标样本集，从而充分发挥海量的回流数据的价值；还可更加精准地、全面地从回流数据中挖掘出携带精华知识的目标样本集，从而可优化训练集的结构，提高训练集的质量，进而不断提升模型性能；另外，批量挖掘目标样本集的方式，可大幅减少待提升模型的样本挑选次数，从而可有效提升模型优化的效率。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种模型优化方法、设备及存储介质。

背景技术

传统的主动学习模型通常为：A＝(C，Q，S，L，U)。其中C为一组或者一个分类器，L是用于训练的已打标的样本。Q是查询函数，用于从未打标样本池U中查询信息量大的信息，S是督导者，可以为Q查询出的样本打标标签。模型通过少量初始标记样本L开始学习，通过一定的查询函数Q选择出最有用的样本，并向督导者询问标签，然后利用获得的新知识来训练分类器和进行下一轮查询。

但是，这种方式训练出的模型，已经达到性能瓶颈，无法满足日益升高的模型性能要求。

发明内容

本申请的多个方面提供一种模型优化方法、设备及存储介质，用以提升机器学习模型的性能。

本申请实施例提供一种模型优化方法，包括：

获取若干样本集，所述样本集中包含样本数据及打标信息；

基于所述若干样本集各自包含的样本数据及打标信息，从所述若干样本集中，批量选择符合预设要求的目标样本集；

根据所述目标样本集，训练待提升模型。

本申请实施例还提供一种计算设备，包括存储器和处理器；

所述存储器用于存储一条或多条计算机指令；

所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：

获取若干样本集，所述样本集中包含样本数据及打标信息；

基于所述若干样本集各自包含的样本数据及打标信息，从所述若干样本集中，批量选择符合预设要求的目标样本集；

根据所述目标样本集，训练待提升模型。

本申请实施例还提供一种存储计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行前述的模型优化方法。

在本申请实施例中，可预先对若干样本数据进行打标，从而获得若干样本集，在此基础上，可从若干样本集中，批量选择符合预设要求的目标样本集；并基于选择目标样本集，训练待提升模型。据此，本实施例中，可综合样本数据和打标信息，批量挑选目标样本集，加入训练集。这至少可获得以下的技术效果：

1、可高效地挖掘到大批量的目标样本集，从而大幅提高训练集的数量级，进而充分发挥海量的回流数据的价值；

2、可更加精准地、全面地从回流数据中挖掘出携带精华知识的目标样本集，从而可优化训练集的结构，提高训练集的质量，进而不断提升模型性能；

3、批量挖掘目标样本集的方式，可大幅减少待提升模型的查询函数查询次数，从而可有效提升模型优化的效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：