[发明专利]用于机器学习模型的动态数据选择

权利要求书

1.一种用于通过动态数据选择实现机器学习预测模型的方法，所述方法包括：

访问由经训练的机器学习模型生成的多个数据预测，其中所述数据预测包括相应的观测数据；

基于所访问的多个数据预测和相应的观测数据来计算所述机器学习模型的精度；

使用可变数量的数据预测来迭代所述访问和计算，其中，

基于在先前迭代期间采取的动作来调整所述可变数量的数据预测；以及

当所计算的精度在给定迭代期间不满足精度标准时，触发针对所述机器学习模型的训练。

2.如权利要求1所述的方法，其中，基于在先前迭代期间是否触发了训练来调整用于当前迭代的可变数量的数据预测。

3.如权利要求2所述的方法，其中，先前迭代包括紧接在当前迭代之前的迭代。

4.如权利要求2所述的方法，其中，所触发的训练包括针对经训练的机器学习模型的重新训练或更新训练。

5.如权利要求2所述的方法，其中，当训练被触发时，所述访问和计算的接下来的迭代使用由所触发的训练生成的机器学习模型生成的数据预测。

6.如权利要求2所述的方法，其中，所述迭代是根据预定周期执行的。

7.如权利要求6所述的方法，其中，所述预定周期是预定时间段或具有相应的观测数据的预定量的数据预测。

8.如权利要求6所述的方法，其中，当在先前迭代期间触发了训练时，增加用于当前迭代的数据预测的数量，并且当在先前迭代期间未触发训练时，减少数据预测的数量。

9.如权利要求8所述的方法，其中，当在先前迭代期间触发了训练时，将针对当前迭代的数据预测的数量乘以因子，并且当在先前迭代期间未触发训练时，将数据预测的数量除以因子。

10.如权利要求9所述的方法，其中，所述因子包括大于或等于1的值。

11.如权利要求10所述的方法，其中，所述因子的值随着多次迭代减小。

12.如权利要求11所述的方法，还包括：

在执行多次迭代以使得基于所述迭代确定配置数量的数据预测之后，终止使用所述可变数量的数据预测进行的所述访问和计算，其中，在所述迭代之后，使用所述配置数量的数据预测来计算所述机器学习模型的精度，并且使用所述精度来触发所述机器学习模型的训练。

13.一种用于通过动态数据选择实现机器学习预测模型的系统，所述系统包括：

处理器；以及

存储器，存储由所述处理器执行的指令，所述指令将所述处理器配置为：

访问由经训练的机器学习模型生成的多个数据预测，其中所述数据预测包括相应的观测数据；

基于所访问的多个数据预测和相应的观测数据来计算所述机器学习模型的精度；

使用可变数量的数据预测来迭代所述访问和计算，其中，

基于在先前迭代期间采取的动作来调整所述可变数量的数据预测；以及

当所计算的精度在给定迭代期间不满足精度标准时，触发针对所述机器学习模型的训练。

14.如权利要求13所述的系统，其中，基于在先前迭代期间是否触发了训练来调整用于当前迭代的可变数量的数据预测，并且所述先前迭代包括紧接在所述当前迭代之前的迭代。

15.如权利要求14所述的系统，其中，所述迭代是根据预定周期执行的，并且所述预定周期是预定时间段或具有相应的观测数据的预定量的数据预测。