[发明专利]逐步模型选择方法、设备及可读存储介质

权利要求书

1.一种逐步模型选择方法，其特征在于，所述逐步模型选择方法应用于服务端，所述逐步模型选择方法包括：

接收与所述服务端关联的客户端发送的配置参数并获取待训练特征集，并基于所述待训练特征集和所述配置参数对预设待训练模型进行训练，获得第一初始训练模型；

分别计算所述待训练特征集对应的第一类型显著性和第二类型显著性；

分别基于各所述第一类型显著性和各所述第二类型显著性，对所述第一初始训练模型进行循环训练，获得循环训练模型集；

基于所述配置参数，在所述第一初始训练模型和所述循环训练模型集之中选取目标训练模型；

生成所述目标训练模型对应的可视化数据，并将所述可视化数据反馈至所述客户端。

2.如权利要求1所述逐步模型选择方法，其特征在于，所述待训练特征集包括第一模型特征集和第二模型特征集，所述循环训练模型集包括第一循环训练模型集和第二循环训练模型集，

所述分别基于各所述第一类型显著性和各所述第二类型显著性，对所述第一初始训练模型进行循环训练，获得循环训练模型集的步骤包括：

基于各所述第一类型显著性，在所述第一模型特征集中剔除符合预设剔除显著性要求的待剔除特征；

基于剔除后的所述第一模型特征集，对所述第一初始训练模型进行循环训练更新，直至所述第一模型特征集中不存在所述待剔除特征，获得所述第一循环训练模型集；

基于各所述第二类型显著性，在所述第二模型特征集中选取符合预设显著性要求的目标特征；

将所述目标特征加入所述第一模型特征集，并基于加入所述目标特征后的所述第一模型特征集对更新后的所述第一初始训练模型进行循环训练，直至加入所述目标特征后的所述第一模型特征集中不存在所述待剔除特征且所述第二模型特征集中不存在所述目标特征，获得所述第二循环训练模型集。

3.如权利要求2所述逐步模型选择方法，其特征在于，所述基于各所述第一类型显著性，在所述第一模型特征集中剔除符合预设剔除显著性要求的待剔除特征的步骤包括：

将各所述第一类型显著性进行比对，以在所述第一模型特征集中选取显著性最低的特征作为待选择特征；

将所述待选择特征的待选择显著性与预设剔除显著性阀值进行比对；

若所述待选择显著性小于所述预设剔除显著性阀值，则判定所述待选择特征满足所述预设剔除显著性要求，并将所述待选择特征作为所述待剔除特征。

4.如权利要求2所述逐步模型选择方法，其特征在于，所述配置参数包括迭代训练完成判定条件，所述第一循环训练模型集包括一个或者多个第一模型元素，

所述基于剔除后的所述第一模型特征集，对所述第一初始训练模型进行循环训练更新，直至所述第一模型特征集中不存在所述待剔除特征，获得所述第一循环训练模型集的步骤包括：

基于剔除后的所述第一模型特征集，对所述第一初始训练模型进行迭代训练更新，直至所述第一初始训练模型满足所述迭代训练完成判定条件，获得各所述第一模型元素之一；

重新计算剔除后的所述第一模型特征集中各元素的所述第一类型显著性，以重复进行对所述待剔除特征的剔除和对更新后的所述第一初始训练模型的迭代训练更新，直至所述第一模型特征集中不存在所述待剔除特征，获得所述第一循环训练模型集。

5.如权利要求2所述逐步模型选择方法，其特征在于，所述基于各所述第二类型显著性，在所述第二模型特征集中选取符合预设显著性要求的目标特征的步骤包括：

将各所述第二类型显著性进行比对，以在所述第二模型特征集中选取显著性最高的最显著特征；

将所述最显著特征对应的目标显著性与所述预设显著性阀值进行比对；

若所述目标显著性大于或者等于所述预设显著性阀值，则判定所述最显著特征满足所述预设显著性要求，并将所述最显著特征作为所述目标特征。