[发明专利]算法选择方法、装置和电子设备

权利要求书

1.一种算法选择方法，其特征在于，所述方法包括：

将目标样本数据划分为N份训练数据和M份测试数据，其中，N大于1，M大于或等于1；

在j取1～G中的每一个整数时，执行如下过程：

针对第j个备选算法，通过每一份所述训练数据分别进行训练，得到第j个所述备选算法的N个模型；

根据所述M份测试数据，确定第j个所述备选算法的N个模型中的每一个模型的损失值；

根据第j个所述备选算法的N个模型的损失值，确定第j个所述备选算法的目标参数，其中，所述目标参数用于表示所述备选算法的性能优劣的评价值；

根据G个所述目标参数，从G个所述备选算法中确定目标算法；

其中，G为所述备选算法的数量。

2.根据权利要求1所述的算法选择方法，其特征在于，所述N份训练数据集中每一份训练数据集中的负样本数据的数量与预设数量之差小于预设值。

3.根据权利要求1所述的算法选择方法，其特征在于，每一份所述测试数据包括输入数据和输出数据；

根据所述M份测试数据，确定第j个所述备选算法的N个模型中其中一个模型的损失值的过程，包括：

在i取1～M中的每一个整数时，执行如下过程：

将第i份所述测试数据中的输入数据输入至第一模型中，输出第i份预测数据，其中，所述第一模型为所述第j个所述备选算法的N个模型中的其中一个；

将第i份所述测试数据中的输出数据和第i份所述预测数据，代入至预先确定的损失函数中，得到第i个损失值；

根据第1至第M个损失值，确定所述第一模型的损失值。

4.根据权利要求1所述的算法选择方法，其特征在于，所述根据第j个所述备选算法的N个模型的损失值，确定第j个所述备选算法的目标参数，包括：

计算第j个所述备选算法的N个模型的损失值的第一平均值b；

计算第j个所述备选算法的N个模型的损失值的方差v；

将所述第一平均值b和所述方差v，代入至预设公式E＝k1*b+k2*v，得到第j个所述备选算法的目标参数E；

其中，k1和k2分别为预先确定的权重。

5.根据权利要求1所述的算法选择方法，其特征在于，所述方法还包括：

计算所述目标算法的N个模型中每一个模型的参数信息，其中，所述参数信息包括准确率、召回率、综合评价指标中的其中一种；

根据所述目标算法的N个模型的所述参数信息，从所述目标算法的N个模型中选出一个模型，以作为目标应用场景所使用的目标模型。

6.根据权利要求1所述的算法选择方法，其特征在于，所述根据第j个所述备选算法的N个模型的损失值，确定第j个所述备选算法的目标参数，包括：

将第j个所述备选算法的N个模型的损失值进行数据归一化处理；

根据进行数据归一化处理之后的第j个所述备选算法的N个模型的损失值，确定第j个所述备选算法的目标参数。

7.一种算法选择装置，其特征在于，所述装置包括：

拆分模块，用于将目标样本数据划分为N份训练数据和M份测试数据，其中，N大于1，M大于或等于1；

第一参数确定模块，用于在j取1～G中的每一个整数时，执行如下过程：

针对第j个备选算法，通过每一份所述训练数据分别进行训练，得到第j个所述备选算法的N个模型；

根据所述M份测试数据，确定第j个所述备选算法的N个模型中的每一个模型的损失值；

根据第j个所述备选算法的N个模型的损失值，确定第j个所述备选算法的目标参数，其中，所述目标参数用于表示所述备选算法的性能优劣的评价值；

第一选择模块，用于根据G个所述目标参数，从G个所述备选算法中确定目标算法；

其中，G为所述备选算法的数量。

8.根据权利要求7所述的算法选择装置，其特征在于，所述N份训练数据集中每一份训练数据集中的负目标样本数据的数量与预设数量之差小于预设值。