-
公开(公告)号：CN111539536A
公开(公告)日：2020-08-14
申请号：CN202010566084.0
申请日：2020-06-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种评估业务模型超参数的方法和装置，所述方法包括：获取业务模型的多个第一超参数组合及其各自的分数、和待评估的第二超参数组合，所述第一超参数组合的分数为其对应的业务模型的性能分数；计算所述第二超参数组合与各个第一超参数组合的相似度；计算所述多个分数的加权和，作为所述第二超参数组合的估计分数，其中，各个所述第一超参数组合的分数的权重基于相应的所述相似度确定。
-
Patent Agency Ranking
公开(公告)号：CN111539490A
公开(公告)日：2020-08-14
申请号：CN202010566083.6
申请日：2020-06-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雅淋
Abstract: 本说明书实施例提供了一种业务模型训练方法和装置，所述业务模型包括n个分类模型和与所述n个分类模型分别对应的n个转换模型，其中n为大于1的自然数，所述方法包括：获取第一训练样本，所述第一训练样本包括业务对象的特征数据和业务对象的标签值；通过所述n个转换模型，将所述特征数据转换为n个不同的转换数据；生成n个不同的第二训练样本，每个第二训练样本中包括所述n个不同的转换数据中的一个转换数据和所述标签值；以各个所述第二训练样本分别训练所述n个分类模型中对应的分类模型。
-
公开(公告)号：CN111340121B
公开(公告)日：2022-04-12
申请号：CN202010131566.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例提供一种目标特征的确定方法，该方法包括：先获取原始样本集，其中每个原始样本包括业务对象的样本标签和多个原始特征；再基于原始样本集，进行多轮迭代，将迭代结束得到的多个当前特征，确定为该业务对象的目标特征，该多个当前特征初始为所述多个原始特征。其中任意一轮的迭代包括：先基于当前样本集，建立树模型，其中每个当前样本包括该样本标签和该多个当前特征；接着，根据树模型中各条预测路径上任意数量的父节点所对应的分裂特征，确定出特征组合集，并从中选取预测能力较优的多个优选特征组合；再利用多个预定义算子，对各个优选特征组合中包含的特征进行融合处理，得到多个新生特征，进而更新上述多个当前特征。
-
公开(公告)号：CN111539490B
公开(公告)日：2020-10-16
申请号：CN202010566083.6
申请日：2020-06-19
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雅淋
Abstract: 本说明书实施例提供了一种业务模型训练方法和装置，所述业务模型包括n个分类模型和与所述n个分类模型分别对应的n个转换模型，其中n为大于1的自然数，所述方法包括：获取第一训练样本，所述第一训练样本包括业务对象的特征数据和业务对象的标签值；通过所述n个转换模型，将所述特征数据转换为n个不同的转换数据；生成n个不同的第二训练样本，每个第二训练样本中包括所述n个不同的转换数据中的一个转换数据和所述标签值；以各个所述第二训练样本分别训练所述n个分类模型中对应的分类模型。
-
公开(公告)号：CN111445025A
公开(公告)日：2020-07-24
申请号：CN202010537635.0
申请日：2020-06-12
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 张雅淋
Abstract: 本说明书实施例提供了一种确定业务模型超参数的方法和装置，所述业务模型包括多个超参数，所述方法包括：获取多个超参数组合，每个所述超参数组合包括所述多个超参数各自的值；从预先准备的第一训练样本集中选取部分训练样本以构成第二训练样本集；使用所述第二训练样本集训练与所述多个超参数组合分别对应的业务模型，以获取多个低精度业务模型；测试各个低精度业务模型的性能分数，作为各个超参数组合的低精度分数；使用预先训练的拟合模型拟合各个超参数组合的高精度分数与低精度分数的差距；基于各个超参数组合的低精度分数、及拟合的高精度分数与低精度分数的差距，计算各个超参数组合的估计高精度分数。
-
公开(公告)号：CN111340121A
公开(公告)日：2020-06-26
申请号：CN202010131566.3
申请日：2020-02-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例提供一种目标特征的确定方法，该方法包括：先获取原始样本集，其中每个原始样本包括业务对象的样本标签和多个原始特征；再基于原始样本集，进行多轮迭代，将迭代结束得到的多个当前特征，确定为该业务对象的目标特征，该多个当前特征初始为所述多个原始特征。其中任意一轮的迭代包括：先基于当前样本集，建立树模型，其中每个当前样本包括该样本标签和该多个当前特征；接着，根据树模型中各条预测路径上任意数量的父节点所对应的分裂特征，确定出特征组合集，并从中选取预测能力较优的多个优选特征组合；再利用多个预定义算子，对各个优选特征组合中包含的特征进行融合处理，得到多个新生特征，进而更新上述多个当前特征。
-
-
-
-
-
Search Results
26
records
(took 0.026 seconds)
