[发明专利]数据处理方法、装置、设备及存储介质

说明书

本发明实施例公开了一种数据处理方法、装置、设备及存储介质。该方法包括：将获取的第一历史数据以及第一历史数据的处理结果作为训练样本，基于至少一种机器学习算法进行训练得到至少一个更新模型；第一历史数据为从第一历史时刻至当前时刻接收到的数据；从至少一个更新模型中选取候选模型，将当前获取的待处理数据分配至候选模型以及正在使用的目标模型中进行处理；根据处理结果，从候选模型以及正在使用的目标模型中确定新的目标模型，采用新的目标模型对新的数据进行处理。本发明实施例通过在线测试各模型处理当前数据的性能，从而准确高效地确定最优模型作为目标模型，实现模型的快速平滑更新。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、设备及存储介质。

背景技术

机器学习是通过对已知数据进行分析，获得数据模型，利用该模型对未知数据进行预测的过程。基于不同的具体算法和逻辑准则可以训练得到不同的机器学习模型。

随着在线类业务的发展，数据规模不断增大，数据变化速率越来越快，开发训练过程中使用的训练数据与应用该机器学习模型时的预测数据存在差异，利用传统的机器学习算法得到的模型不能很好地适应新增的数据的变化规律，使得利用该模型对未知数据的预测的准确率降低。因此，往往需要不断对机器学习模型进行更新，使用新模型替代历史模型。

然而机器学习的算法丰富多样，不同的算法在不同的数据场景下各有优势。在一定训练数据的支持下，得到的更新模型之间的准确率可能相差无几，在没有更多数据的支持下，无法判断哪个模型更能适应未知的数据变化，如果逐一测试各模型的性能，则效率低下。

发明内容

本发明实施例提供一种数据处理方法、装置、设备及存储介质，以实现平滑快速地对模型进行更新，从而更加准确高效地对数据进行处理。

第一方面，本发明实施例提供了一种数据处理方法，该方法包括：

将获取的第一历史数据以及第一历史数据的处理结果作为训练样本，基于至少一种机器学习算法进行训练得到至少一个更新模型；其中，所述第一历史数据为从第一历史时刻至当前时刻接收到的数据；

从至少一个更新模型中选取候选模型，并将当前获取的待处理数据分配至候选模型以及正在使用的目标模型中进行处理；

根据处理结果，从候选模型以及正在使用的目标模型中确定新的目标模型，用于采用新的目标模型对新的数据进行处理。

第二方面，本发明实施例提供了一种数据处理装置，该装置包括：

更新模型确定模块，用于将获取的第一历史数据以及第一历史数据的处理结果作为训练样本，基于至少一种机器学习算法进行训练得到至少一个更新模型；其中，所述第一历史数据为从第一历史时刻至当前时刻接收到的数据；

候选模型选取模块，用于从至少一个更新模型中选取候选模型，并将当前获取的待处理数据分配至候选模型以及正在使用的目标模型中进行处理；

新的目标模型确定模块，用于根据处理结果，从候选模型以及正在使用的目标模型中确定新的目标模型，用于采用新的目标模型对新的数据进行处理。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的数据处理方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的数据处理方法。