[发明专利]模型训练方法、数据类型识别方法和计算机设备

权利要求书

1.一种模型训练方法，包括：

确定迁移变量和互异变量；所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息；所述互异变量用于表征源地区和目标地区历史数据的特有特征信息；

基于源地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第一分类模型；

基于目标地区的历史数据和所述第一分类模型的训练结果，训练基于所述迁移变量和所述互异变量构建的第二分类模型；所述第二分类模型包括差异约束项；所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异。

2.如权利要求1所述的方法，所述确定迁移变量和互异变量，包括：

基于源地区和目标地区的历史数据，从预置的多个变量中选取迁移变量和互异变量。

3.如权利要求2所述的方法，所述从预置的多个变量中选取迁移变量和互异变量，包括：

基于源地区和目标地区的历史数据，计算预置的多个变量中至少一个变量的第一特征值；

基于变量的第一特征值，从预置的多个变量中选取迁移变量和互异变量。

4.如权利要求3所述的方法，所述第一特征值包括互信息值。

5.如权利要求2所述的方法，在从预置的多个变量中选取迁移变量和互异变量之前，所述方法还包括：

基于源地区和目标地区的历史数据，从预置的多个变量中筛选出多个代表变量；

相应地，所述从预置的多个变量中选取迁移变量和互异变量，包括：

基于源地区和目标地区的历史数据，从所述多个代表变量中选取迁移变量和互异变量。

6.如权利要求5所述的方法，所述从预置的多个变量中筛选出多个代表变量，包括：

基于源地区和目标地区的历史数据，计算预置的多个变量中至少一个变量的第二特征值；

基于变量的第二特征值，从预置的多个变量中筛选出多个代表变量。

7.如权利要求6所述的方法，所述第二特征值包括信息价值。

8.如权利要求1所述的方法，所述第一分类模型包括第一权重约束项；所述第一权重约束项用于约束所述互异变量在所述第一分类模型的权重。

9.如权利要求1所述的方法，所述第一分类模型的训练结果包括所述迁移变量和所述互异变量在所述第一分类模型的权重；相应地，所述训练基于所述迁移变量和所述互异变量构建的第二分类模型，包括：

以所述迁移变量在所述第一分类模型的权重为所述迁移变量在所述第二分类模型的初始权重，以所述互异变量在所述第一分类模型的权重为所述互异变量在所述第二分类模型的初始权重，基于目标地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第二分类模型。

10.如权利要求1所述的方法，所述第二分类模型包括第二权重约束项；所述第二权重约束项用于约束所述互异变量在所述第二分类模型的权重。

11.一种计算机设备，包括：

确定单元，用于确定迁移变量和互异变量；所述迁移变量用于表征源地区和目标地区之间历史数据的共有特征信息；所述互异变量用于分别表征源地区和目标地区历史数据的特有特征信息；

第一训练单元，用于基于源地区的历史数据，训练基于所述迁移变量和所述互异变量构建的第一分类模型；

第二训练单元，用于基于目标地区的历史数据和所述第一分类模型的训练结果，训练基于所述迁移变量和所述互异变量构建的第二分类模型；所述第二分类模型包括差异约束项；所述差异约束项用于约束所述迁移变量在所述第一分类模型和所述第二分类模型之间权重的差异。