[发明专利]利用机器学习模型进行工作模式判决的方法及装置

权利要求书

1.一种利用机器学习模型进行工作模式判决的方法，其特征在于，所述方法包括：

获取各个终端对应的各条判决数据，所述判决数据指示对应的终端在一次熄屏过程中根据所述机器学习模型获得的模型判决结果以及所述熄屏过程的熄屏时长，所述模型判决结果用于指示对应的终端是否进入指定工作模式；所述机器学习模型的输入数据是终端在检测到屏幕熄灭后获取的，与所述指定工作模式相关的数据；

根据所述各条判决数据获取所述机器学习模型的评价参数，所述评价参数用于指示所述机器学习模型的判决效果；所述评价参数包括准确率、召回率、第一人均时长以及第二人均时长中的至少一种；所述第一人均时长是所述各个终端进入所述指定工作模式的总时长与所述各个终端的数量之间的比值；所述第二人均时长是第一类型数据对应的终端进入所述指定工作模式后保持熄屏状态的时长之和与所述第一类型数据对应的终端的数量的比值；所述第一类型数据是对应的终端进入所述指定工作模式后保持熄屏状态的时长超过第一预设时长的数据；

当所述评价参数满足预设条件时，对所述机器学习模型进行优化，获得优化后的机器学习模型；

向所述各个终端发送模型优化指示，所述模型优化指示用于指示所述各个终端后续根据所述优化后的机器学习模型获得模型判决结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述各条判决数据获取所述机器学习模型的评价参数，包括：

统计所述各条判决数据中的第一类型数据、第二类型数据以及第三类型数据各自的条数；所述第一类型数据是对应的终端进入所述指定工作模式后保持熄屏状态的时长超过第一预设时长的数据；所述第二类型数据是对应的终端进入所述指定工作模式后保持熄屏状态的时长不超过所述第一预设时长，且本次熄屏的总时长超过第二预设时长的数据；所述第三类型数据是对应的终端进入所述指定工作模式后保持熄屏状态的时长不超过所述第一预设时长，且本次熄屏的总时长不超过所述第二预设时长的数据；所述第一预设时长小于所述第二预设时长；

计算所述第一类型数据、所述第二类型数据以及所述第三类型数据各自的条数之和；

将所述第一类型数据的条数与所述第一类型数据、所述第二类型数据以及所述第三类型数据各自的条数之和之间的比值获取为所述机器学习模型的准确率。

3.根据权利要求1所述的方法，其特征在于，所述根据所述各条判决数据获取所述机器学习模型的评价参数，包括：

统计所述各条判决数据中的第一类型数据以及第四类型数据各自的条数；所述第一类型数据是对应的终端进入所述指定工作模式后保持熄屏状态的时长超过第一预设时长的数据；所述第四类型数据是对应的本次熄屏的总时长超过第二预设时长的数据；所述第一预设时长小于所述第二预设时长；

将所述第一类型数据的条数与所述第四类型数据的条数之间的比值获取为所述机器学习模型的召回率。

4.根据权利要求1所述的方法，其特征在于，所述当所述评价参数满足预设条件时，对所述机器学习模型进行优化之前，还包括：

当所述评价参数低于预设参数阈值时，确定所述评价参数满足所述预设条件。

5.根据权利要求1所述的方法，其特征在于，所述当所述评价参数满足预设条件时，对所述机器学习模型进行优化，获得优化后的机器学习模型，包括：

根据所述评价参数确定模型训练参数，所述模型训练参数是用于对所述机器学习模型的训练过程进行控制的参数；

根据所述模型训练参数对所述机器学习模型进行机器训练，获得优化后的机器学习模型。

6.根据权利要求5所述的方法，其特征在于，所述机器学习模型为提升树模型，所述模型训练参数包括提升树的深度、提升树的宽度、学习率以及迭代次数中的至少一种。