[发明专利]数据建模中的模型选择处理方法及装置

权利要求书

1.一种数据建模中的模型选择处理方法，其特征在于，包括：

根据待处理的机器学习任务的任务信息，确定对所述机器学习任务进行建模时所使用的候选模型算法，所述任务信息包括所述机器学习任务的任务类型及任务的数据规模；

利用随机森林算法，构建对应于所述机器学习任务的第一模型；所述第一模型包括多个第一子模型，各个第一子模型为基于所述候选模型算法所构建的模型；

利用随机森林算法，构建对应于所述机器学习任务的第二模型；所述第二模型包括多个第二子模型，各个第二子模型为基于预定的参照模型算法所构建的模型，所述参照模型算法区别于所述候选模型算法，所述参照模型算法为用来构造决策树的算法；

判断所述第一模型的模型效果是否优于所述第二模型的模型效果；

若否，则对所述第一模型进行调优处理；若在预定的调优次数内调优后所得的第一模型的模型效果能够达到预期效果，则确定所述候选模型算法为与所述机器学习任务相匹配的目标模型算法，若在预定的调优次数内调优后所得的第一模型的模型效果未能达到预期效果，则更换所述候选模型算法，并返回至所述利用随机森林算法，构建对应于所述机器学习任务的第一模型的步骤，直至确定出与所述机器学习任务相匹配的目标模型算法时结束；

若是，则更换所述参照模型算法，并返回至所述利用随机森林算法，构建对应于所述机器学习任务的第二模型的步骤，直至确定出与所述机器学习任务相匹配的目标模型算法时结束；

其中，所述利用随机森林算法，构建对应于所述机器学习任务的第一模型，包括：

利用随机森林算法，建立对应于所述机器学习任务的第一初始模型；

利用所述机器学习任务所包括的多条任务数据，对所述第一初始模型进行训练，得到所述第一模型；

其中，所述利用随机森林算法，构建对应于所述机器学习任务的第二模型，包括：

利用随机森林算法，建立对应于所述机器学习任务的第二初始模型；

利用所述机器学习任务所包括的多条任务数据，对所述第二初始模型进行训练，得到所述第二模型；

其中，所述判断所述第一模型的模型效果是否优于所述第二模型的模型效果，包括：

判断所述第一模型的分类准确率是否高于所述第二模型的分类准确率；

其中，所述对所述第一模型进行调优处理，包括以下处理中的至少一种：

根据所述第二模型的特征权重调整所述第一模型的特征权重；

调整所述第一模型的超参数或数据格式。

2.根据权利要求1所述的方法，其特征在于，所述根据待处理的机器学习任务的任务信息，确定对所述机器学习任务进行建模时所使用的候选模型算法，包括：

确定所述机器学习任务的任务类型及任务的数据规模；

根据所述机器学习任务的任务类型及数据规模，确定对所述机器学习任务进行建模时所使用的候选模型算法。