模型训练方法、装置、设备、存储介质以及程序产品.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114239853A(43)申请公布日2022.03.25(21)申请号202111534562.0(22)申请日2021.12.15(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人王思吉袁子超梁振铎邴峰张岩(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06N20/00(2019.01)G06N3/08(2006.01)权利要求书2页说明书8页附图4页(54)发明名称模型训练方法、装置、设备、存储介质以及程序产品(57)摘要本公开提供了一种模型训练方法、装置、设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及深度学习技术领域。该方法的一具体实施方式包括：获取训练样本，其中，训练样本包括样本数据和真值标签；将样本数据作为输入，将真值标签作为输出，对集成特征工程的机器学习模型进行训练，得到目标模型，其中，特征工程用于对输入进行特征选择、特征提取和特征构建。该实施方式将特征工程集成至模型训练内部，仅需维护集成特征工程的模型训练部分，极大地提高了模型的迭代效率，促进业务快速发展。CN114239853ACN114239853A权利要求书1/2页1.一种模型训练方法，包括：获取训练样本，其中，所述训练样本包括样本数据和真值标签；将所述样本数据作为输入，将所述真值标签作为输出，对集成特征工程的机器学习模型进行训练，得到目标模型，其中，所述特征工程用于对输入进行特征选择、特征提取和特征构建。2.根据权利要求1所述的方法，其中，所述将所述样本数据作为输入，将所述真值标签作为输出，对集成特征工程的机器学习模型进行训练，得到目标模型，包括：将所述样本数据输入至所述集成特征工程的机器学习模型；基于所述特征工程的第一特征选择信息，从所述样本数据中提取第一特征；利用所述特征工程中与所述第一特征对应的特征处理方法和特征构建方法对所述第一特征进行处理和构建，得到第一样本特征；将所述第一样本特征作为输入，将所述真值标签作为输出，对所述机器学习模型进行训练，得到所述目标模型。3.根据权利要求2所述的方法，其中，所述方法还包括：将所述样本数据输入至所述目标模型；基于所述特征工程的第二特征选择信息，从所述样本数据中提取第二特征；利用所述特征工程中与所述第二特征对应的特征处理方法和特征构建方法对所述第二特征进行处理和构建，得到第二样本特征；将所述第二样本特征作为输入，将所述真值标签作为输出，对所述目标模型进行优化。4.根据权利要求1‑3中任一项所述的方法，其中，所述样本数据包括以下至少一项：文本、音频、图像。5.一种模型应用方法，包括：获取待预测数据；将所述待预测数据输入至预先训练的目标模型，得到所述待预测数据的预测值，其中，所述目标模型是采用权利要求1‑4中任一项所述的方法训练得到的。6.一种模型训练装置，包括：获取模块，被配置成获取训练样本，其中，所述训练样本包括样本数据和真值标签；训练模块，被配置成将所述样本数据作为输入，将所述真值标签作为输出，对集成特征工程的机器学习模型进行训练，得到目标模型，其中，所述特征工程用于对输入进行特征选择、特征提取和特征构建。7.根据权利要求6所述的装置，其中，所述训练模块进一步被配置成：将所述样本数据输入至所述集成特征工程的机器学习模型；基于所述特征工程的第一特征选择信息，从所述样本数据中提取第一特征；利用所述特征工程中与所述第一特征对应的特征处理方法和特征构建方法对所述第一特征进行处理和构建，得到第一样本特征；将所述第一样本特征作为输入，将所述真值标签作为输出，对所述机器学习模型进行训练，得到所述目标模型。8.根据权利要求7所述的装置，其中，所述装置还包括优化模块，被配置成：将所述样本数据输入至所述目标模型；2CN114239853A权利要求书2/2页基于所述特征工程的第二特征选择信息，从所述样本数据中提取第二特征；利用所述特征工程中与所述第二特征对应的特征处理方法和特征构建方法对所述第二特征进行处理和构建，得到第二样本特征；将所述第二样本特征作为输入，将所述真值标签作为输出，对所述目标模型进行优化。9.根据权利要求6‑8中任一项所述的装置，其中，所述样本数据包括以下至少一项：文本、音频、图像。10.一种模型应用装置，包括：获取模块，被配置成获取待预测数据；预测模块，被配置成将所述待预测数据输入至预先训练的目标模型，得到所述待预测数据的预测值，其中，所述目标模型是采用权利要求6‑9中任一项所述的装置训练得到的。11.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述