[发明专利]机器学习模型的测试数据优化方法、装置及电子设备

权利要求书

1.一种机器学习模型的测试数据优化方法，其特征在于，包括：

获取测试数据，所述测试数据中包括根据第一类用户数据输入预定机器学习模型中获取的第一评分；

将第二类用户数据输入至少一个机器学习模型中，基于每一个机器学习模型分别获取模型初始评分数据；

根据所述至少一个模型初始评分数据生成所述第二类用户数据对应的所述评分数据；

所述评分数据中包括将第二类用户数据输入至少一个机器学习模型中获取的第二评分；

基于所述第二评分的数值将所述评分数据分为多个评分数据集合，将所述多个评分数据集合中的至少一个评分数据集合中的数据进行数据扩展；

根据所述第一评分的数值与所述测试数据中的用户特征数据为所述测试数据由多个评分数据集合中确定目标评分数据集合；

随机由所述目标评分数据集合中的至少一个第二评分确定出所述目标评分数据，并且，用所述目标评分数据更新所述测试数据中的所述第一评分，其中，更新后的所述测试数据用于进行机器学习模型的模型测试。

2.如权利要求1所述的方法，其特征在于，获取第二评分还包括：

将第二类用户数据分别输入不同的机器学习模型中，得到多个机器学习模型的评分结果，综合计算多个评分结果得到第二类用户数据的评分数据中的所述第二评分；

所述多个机器学习模型与测试数据优化对应的机器学习模型均为相同目标的机器学习模型。

3.如权利要求1所述的方法，其特征在于，将所述多个评分数据集合中的至少一个评分集合中的数据进行数据扩展，包括：将低分值的评分集合中的数据进行扩展，或者将关注的分数段的分值对应的评分集合中的数据进行扩展。

4.如权利要求1所述的方法，其特征在于，根据所述第一评分的数值与所述测试数据中的用户特征数据为所述测试数据由多个评分数据集合中确定目标评分数据集合还包括：

将第一评分按照预定的阈值分为不同的等级，为不同等级的第一评分分配不同的目标评分数据集合。

5.如权利要求1所述的方法，其特征在于，根据所述第一评分的数值与所述测试数据中的用户特征数据为所述测试数据由多个评分数据集合中确定目标评分数据集合包括：

获取所述测试数据中的用户特征；

基于所述测试数据中的用户特征和所述第一评分的数值确定分群标签；以及

基于所述分群标签确定所述目标评分数据集合。

6.如权利要求5所述的方法，其特征在于，还包括：

获取所述评分数据中的用户特征；

基于所述评分数据中的用户特征将所述评分数据分为多个评分数据集；以及

为所述多个评分数据集分配所述分群标签。

7.一种机器学习模型的测试数据优化装置，其特征在于，包括：

数据模块，用于获取测试数据，所述测试数据中包括第一评分；

第一评分模块，用于将第一类用户数据输入预定机器学习模型中获取所述测试数据中的第一评分；

第二评分模块，包括：输入单元，用于将第二类用户数据输入至少一个机器学习模型中并基于每一个机器学习模型分别获取模型初始评分数据；计算单元，用于根据所述至少一个模型初始评分数据生成所述第二类用户数据对应的所述评分数据；所述评分数据中包括将所述第二类用户数据输入至少一个机器学习模型中获取的第二评分；扩展单元，用于基于所述第二评分的数值将所述评分数据分为多个评分数据集合并且将所述多个评分数据集合中的至少一个评分集合中的数据进行数据扩展；

集合模块，包括第二分配单元，用于根据所述第一评分的数值与所述测试数据中的用户特征数据为所述测试数据由多个评分数据集合中确定目标评分数据集合；

更新模块，包括：选择单元，用于随机由所述目标评分数据集合中的至少一个第二评分确定出所述目标评分数据；更新单元，用于用所述目标评分数据更新所述测试数据中的所述第一评分；其中，更新后的所述测试数据用于进行机器学习模型的模型测试。