[发明专利]一种正则化的预测方法、装置、电子设备及介质在审
| 申请号： | 201811285269.3 | 申请日： | 2018-10-31 |
| 公开（公告）号： | CN109635952A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 袁大星 | 申请（专利权）人： | 北京奇虎科技有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京华沛德权律师事务所 11302 | 代理人： | 房德权 |
| 地址： | 100088 北京市西城区新*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 正则化 预测 机器学习模型 电子设备 特征集合 训练样本 方法和装置 惩罚因子 技术效果 精度损失 模型训练 输入机器 传统的 申请 学习 | ||
1.一种正则化的预测方法，其特征在于，包括：
获取特征集合中每个特征的出现频次；
采用正则化计算，根据所述特征集合生成训练样本；其中，所述正则化计算中的惩罚因子与所述每个特征的出现频次反相关；
将所述训练样本输入机器学习模型进行模型训练；
通过训练完成的所述机器学习模型进行预测。
2.如权利要求1所述的方法，其特征在于，所述采用正则化计算，根据所述特征集合生成训练样本，包括：
采用正则因子的计算公式∑λiWiWi，根据所述特征集合生成训练样本，其中，Wi为所述特征变量，λi为所述惩罚因子，下标i为特征的编号。
3.如权利要求2所述的方法，其特征在于，当所述特征集合为广告投放后不同地域点击率特征的集合时，所述特征变量为不同地域的点击率，所述出现频次为特征集合中各地域的出现次数。
4.如权利要求2所述的方法，其特征在于，所述采用正则化计算，根据所述特征集合生成训练样本，包括：
采用逻辑回归模型的计算公式和正则因子∑λiwiwi，根据所述特征集合生成训练样本，其中，Xi为特征值。
5.如权利要求4所述的方法，其特征在于，当所述特征集合为广告投放后不同地域点击率特征的集合时，所述特征值为地域的代码值，所述特征变量为不同地域的点击率，所述出现频次为特征集合中各地域的出现次数。
6.如权利要求5所述的方法，其特征在于，所述通过训练完成的所述机器学习模型进行预测，包括：接收目标地域的代码值作为输入参数，输出所述目标地域对应的点击率。
7.如权利要求1所述的方法，其特征在于，所述惩罚因子的计算公式为：
λi＝λ/Ni或者λi＝λ/Ni2，其中，λi为所述惩罚因子,λ为常规惩罚因子，Ni为所述出现频次，下标i为特征的编号。
8.一种正则化的预测装置，其特征在于，包括：
获取模块，用于获取特征集合中每个特征的出现频次；
生成模块，用于采用正则化计算，根据所述特征集合生成训练样本；其中，所述正则化计算中的惩罚因子与所述每个特征的出现频次反相关；
训练模块，用于将所述训练样本输入机器学习模型进行模型训练；
预测模块，用于通过训练完成的所述机器学习模型进行预测。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京奇虎科技有限公司，未经北京奇虎科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811285269.3/1.html，转载请声明来源钻瓜专利网。
