[发明专利]基于跨域数据的评估模型的优化方法及设备

权利要求书

1.一种基于跨域数据的评估模型的优化方法，应用于客户端，其中，所述方法包括：

步骤一、获取并确定至少三种数据源的原始数据和准确率；其中，每种所述数据源的原始数据包括至少两条；

步骤二、将所述准确率最高时对应的数据源的原始数据作为训练集；

步骤三、对所述训练集中的所有原始数据进行模型训练，得到用于数据的因变量评估的第一评估模型，并测试所述第一评估模型的性能得到第一性能值；

步骤四、按照所述准确率从高到低的顺序，累计加入下一准确率对应的数据源的原始数据至所述训练集，并重复所述步骤三得到第二评估模型及其第二性能值；

步骤五、根据所述第一性能值和所述第二性能值判断所述第二评估模型是否比所述第一评估模型的性能提升，若是则将所述第二评估模型作为更新后的第一评估模型，若否，则保持所述第一评估模型不变；

步骤六、对所述至少三种数据源中的、除所述准确率最高时对应的数据源和所述下一准确率对应的数据源以外的其他数据源重复所述步骤四和所述步骤五，直至累计加入完所述至少三种数据源至所述训练集，得到用于对不同数据源的原始数据进行因变量评估的最终评估模型。

2.根据权利要求1所述的方法，其中，所述步骤四、按照所述准确率从高到低的顺序，累计加入下一准确率对应的数据源的原始数据至所述训练集，并重复所述步骤三得到第二评估模型及其第二性能值，包括：

步骤四一、按照所述准确率从高到低的顺序，基于所述第一评估模型分别对所述下一准确率对应的数据源的每条原始数据进行因变量预测，得到所述下一准确率对应的数据源中的每条原始数据的预测结果；

步骤四二、计算所述下一准确率对应的数据源中的每条原始数据的实际因变量值与所述预测结果之间的差值的绝对值；

步骤四三、按照所述绝对值从小到大的顺序，对所述下一准确率对应的数据源的原始数据进行排序，并将所述下一准确率对应的数据源的、排序后的原始数据均分为N组，得到所述下一准确率对应的数据源的N组原始数据，N为大于等于2的正整数；

步骤四四、将所述N组原始数据中的、绝对值最大时对应的一组原始数据累计加入至所述训练集，并重复所述步骤三得到第二子评估模型及其第二子性能值；

步骤四五、根据所述第一性能值和所述第二子性能值判断所述第二子评估模型是否比所述第一评估模型的性能提升，若是则将所述第二子评估模型作为更新后的第一评估模型，若否，则保持所述第一评估模型不变；

步骤四六、按照所述绝对值从小到大的顺序，将所述N组原始数据中的其他组原始数据累计加入至所述训练集，并重复所述步骤三和所述步骤四五，直至所述第二子评估模型的性能不再提升，得到第二评估模型及其第二性能值。

3.根据权利要求1所述的方法，其中，所述方法还包括：

获取用于对各评估模型进行模型性能测试的验证集，其中，所述验证集中的原始数据来自于所述至少三种数据源中的各所述数据源；

其中，所述步骤三中的测试所述第一评估模型的性能得到第一性能值，包括：

基于所述验证集对所述第一评估模型进行模型性能测试，得到所述第一评估模型的第一性能值。

4.根据权利要求1至3中任一项所述的方法，其中，所述方法还包括：

获取一条或多条待预测的数据；

将每条所述待预测的数据输入至所述最终评估模型进行因变量预测，得到每条所述待预测的数据的因变量值。

5.根据权利要求1至3中任一项所述的方法，其中，所述方法还包括：

获取目标数据源，所述目标数据源包括至少两条目标原始数据，所述目标原始数据包括实际目标因变量值；

将所述目标数据源中的每条所述目标原始数据输入至所述最终评估模型进行因变量预测，得到每条所述目标原始数据的目标预测结果；

基于每条所述目标原始数据的实际目标因变量值和目标预测结果，对所述目标数据源中的目标原始数据进行过滤处理，得到过滤后的目标数据源。

6.一种非易失性存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行时，使所述处理器实现如权利要求1至5中任一项所述的方法。

7.一种基于跨域数据的评估模型的优化设备，其中，该设备包括：

一个或多个处理器；

计算机可读介质，用于存储一个或多个计算机可读指令，

当所述一个或多个计算机可读指令被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。