[发明专利]一种确定模型的方法及装置

说明书

本申请提供一种确定模型的方法及装置，所述方法包括：通过M个待测模型分别计算EI_m；根据EI_m值从所述M个待测模型中确定目标备用模型。上述技术方案通过设定模型的评价指标，从而可以确定出更加准确的用于预测的模型，通过确定出的模型进行的销售量预测、进货量预测或者产量预测等更准确。

技术领域

本发明涉及计算机领域，尤其涉及确定模型的方法及装置。

背景技术

在使用机器学习算法进行销量预测时，需要根据实际销量数据集选择合适的算法。在选择算法时，要用各种算法训练模型，对训练好的模型进行确定模型的，而好的确定模型的指标可以帮助更好的选择算法。

目前，对于机器学习算法模型的确定模型的分为两大类：对于分类算法，采用准确率、召回率、F-score等指标。对于回归算法，采用RMSE(Root Mean Squared Error，均方根误差)、MSE(Mean Squared Error，均方误差)、MAE(Mean Absolute Error，平均绝对误差)、MAPE(Mean Absolute Percentage Error，平均绝对百分误差)等指标。

对于多输出的回归模型，若各输出的数量级差别较大，如个数级与百数级，用传统的评价指标对模型进行评估时，通常倾向于某一个数量级(含输出数量较多的数量级)的输出，对于其它数量级的输出则不够准确。

发明内容

本申请所要解决的技术是提供一种确定模型的方法及装置，可以确定出更加准确的用于预测的模型。

为了解决上述技术问题，本申请提供了一种确定模型的方法，所述方法包括：

通过M个待测模型分别计算EI_m；

根据EI_m值从所述M个待测模型中确定目标备用模型；

其中，

EI_i为第m个待测模型计算的第i个商品的误差值；Q_i为第i个商品的数据量的基数；

m＝1，2….M，i＝1，2….N；M和N均为大于1的正整数；

对于N个商品中的每一个商品，商品的类型相同，并且商品的特征不同；

所述数据量包括销售量、进货量或者产量。

可选地，所述根据EI_m值从所述M个待测模型中确定目标备用模型包括：

将EI_m值最小的待测模型作为目标备用模型。

可选地，所述通过M个待测模型分别计算EI_m之前，所述方法还包括：

计算第i个商品对应的数据量的基数Q_i。

可选地，所述计算第i个商品对应的数据量的基数Q_i包括：

对于第i个商品，根据该商品的S个样本数据计算该商品的数据量的平均值A_i和标准差D_i；

对于所述S个样本数据，将数值大于X_i的样本数据以及数值小于Y_i的样本数据删除，计算剩余的样本数据的平均值；

将剩余的样本数据的平均值作为该商品的数据量的基数Q_i；

其中，S为大于或者等于1的正整数；