[发明专利]一种机器学习的优化方法、系统、计算机存储介质和电子设备

权利要求书

1.一种机器学习的优化方法，其特征在于，包括：

获取至少一个学习数据；

识别所述学习数据，得到识别结果，所述识别结果包括：所述学习数据的特征图和/或所述学习数据所属的类别；

在所述识别结果满足预先设定的选取规则时，将所述识别结果对应的所述学习数据作为所述机器学习模型的优化数据。

2.根据权利要求1所述的优化方法，其特征在于，所述预先设定的选取规则是基于所述特征图的识别度和/或所述学习数据所属的类别的数量设定。

3.根据权利要求2所述的优化方法，其特征在于，所述特征图的识别度包括：低识别度和/或高识别度。

4.根据权利要求2或3所述的优化方法，其特征在于，所述特征图的识别度采用如下方法获取：

将所述至少一个机器学习数据输入预先训练好的机器学习模型；

获取所述机器学习模型对至少一个所述机器学习数据提取特征得到的特征图；

基于所述特征图在所述机器学习模型的各个类别下的识别概率，计算所述特征图的识别度。

5.根据权利要求4所述的优化方法，其特征在于，所述特征图的识别度是对所述特征图在所有类别下的识别概率求标准偏差。

6.根据权利要求4所述的优化方法，其特征在于，若某一特征图的识别度低于第一识别度阈值，则该特征图为低识别度的特征图；和/或，

若某一特征图的识别度高于第二识别度阈值，则该特征图为高识别度的特征图。

7.根据权利要求2所述的优化方法，其特征在于，若所述学习数据所属的类别的数量小于预定数量，则满足预先设定的选取规则。

8.根据权利要求7所述的优化方法，其特征在于，还包括：统计至少一个所述学习数据所属的类别的数量；

其中，所述统计至少一个所述学习数据所属的类别的数量，包括：

将已训练学习数据输入预先训练好的机器学习模型；

获取所述机器学习模型对所述已训练学习数据提取特征得到的特征图；

统计每一特征图取到的类别；

基于每一特征图取到的类别，计算各个类别下的特征图的数量。

9.根据权利要求8所述的优化方法，其特征在于，还包括：

若新的学习数据所属的类别为小于预定数量的类别，则满足预先设定的选取规则。

10.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-9中任意一项所述方法的步骤。