[发明专利]一种多重抽样模型训练方法及装置

权利要求书

1.一种多重抽样模型训练方法，其特征在于，所述训练方法包括：

对全体样本进行多重抽样，得到每次抽样的训练集和验证集；

以每次抽样得到的训练集和验证集为一组，采用其中的训练集进行模型训练；

采用训练得到的模型分别评估训练集和验证集，根据训练集和验证集的评估结果，以及设定的淘汰准则淘汰训练得到的模型；

采用保留下的模型，对全体样本进行预测，并采用预测得到的结果对保留下的模型进行组合模型训练，得到最终的模型。

2.根据权利要求1所述的多重抽样模型训练方法，其特征在于，所述对全体样本进行多重抽样，得到每次抽样的训练集和验证集，包括：

将全体样本分为m个子集，对m个子集进行多重抽样，得到n个训练集和n个验证集。

3.根据权利要求1所述的多重抽样模型训练方法，其特征在于，所述采用训练得到的模型分别评估训练集和验证集，根据训练集和验证集的评估结果，以及设定的淘汰准则淘汰训练得到的模型，包括：

采用训练得到的模型分别评估训练集和验证集，得到每个训练得到的模型对应的性能指标；

根据每个训练得到的模型对应的性能指标，计算得到特征值；

根据计算得到特征值，淘汰特征值小于设定阈值的训练得到的模型。

4.根据权利要求1所述的多重抽样模型训练方法，其特征在于，所述以每次抽样得到的训练集和验证集为一组，采用其中的训练集进行模型训练，包括：

训练得到每个训练得到的模型的第一模型参数。

5.根据权利要求4所述的多重抽样模型训练方法，其特征在于，所述采用保留下的模型，对全体样本进行预测，并采用预测得到的结果对保留下的模型进行组合模型训练，得到最终的模型，包括：

采用保留下的模型，分别对全体样本进行预测，根据模型的第一模型 参数，计算得到每个样本的第一预测值；

将每个样本的第一预测值输入到模型中进行再次模型训练，得到每个模型的第二模型参数；

根据每个模型的第二模型参数以及每个样本的第一预测值，计算得到每个样本的第二预测值，以计算得到的第二预测值作为模型的最终输出。

6.一种多重抽样模型训练装置，其特征在于，所述训练装置包括：

抽样模块，用于对全体样本进行多重抽样，得到每次抽样的训练集和验证集；

第一训练模块，用于以每次抽样得到的训练集和验证集为一组，采用其中的训练集进行模型训练；

评估模块，用于采用第一训练模块训练得到的模型分别评估训练集和验证集，根据训练集和验证集的评估结果，以及设定的淘汰准则淘汰训练得到的模型；

第二训练模块，用于采用评估模块保留下的模型，对全体样本进行预测，并采用预测得到的结果对保留下的模型进行组合模型训练，得到最终的模型。

7.根据权利要求6所述的多重抽样模型训练装置，其特征在于，所述抽样模块对全体样本进行多重抽样，得到每次抽样的训练集和验证集，执行如下操作：

将全体样本分为m个子集，对m个子集进行多重抽样，得到n个训练集和n个验证集。

8.根据权利要求6所述的多重抽样模型训练装置，其特征在于，所述评估模块在采用第一训练模块训练得到的模型分别评估训练集和验证集，根据训练集和验证集的评估结果，以及设定的淘汰准则淘汰训练得到的模型时，执行如下操作：

采用训练得到的模型分别评估训练集和验证集，得到每个训练得到的模型对应的性能指标；

根据每个训练得到的模型对应的性能指标，计算得到特征值；

根据计算得到特征值，淘汰特征值小于设定阈值的训练得到的模型。

9.根据权利要求6所述的多重抽样模型训练装置，其特征在于，所述第一训练模块在以每次抽样得到的训练集和验证集为一组，采用其中的训练集进行模型训练时，训练得到每个训练得到的模型的第一模型参数。

10.根据权利要求9所述的多重抽样模型训练装置，其特征在于，所述第二训练模块在采用保留下的模型，对全体样本进行预测，并采用预测得到的结果对保留下的模型进行组合模型训练，得到最终的模型时，执行如下操作：

采用保留下的模型，分别对全体样本进行预测，根据模型的第一模型参数，计算得到每个样本的第一预测值；

将每个样本的第一预测值输入到模型中进行再次模型训练，得到每个模型的第二模型参数；

根据每个模型的第二模型参数以及每个样本的第一预测值，计算得到每个样本的第二预测值，以计算得到的第二预测值作为模型的最终输出。