[发明专利]用户分类模型的确定方法、装置、设备及存储介质

说明书

本申请公开了一种用户分类模型的确定方法、装置、设备及存储介质，具体包括：获取多组超参数组合和用户行为数据训练样本；利用遗传算法，将多组所述超参数组合作为采集函数的初始种群，进行种群迭代优化，以得到满足预设优化条件的目标超参数组合；根据所述目标超参数组合和用户行为数据训练样本，对所述用户分类模型进行迭代训练，以得到所述用户分类模型的性能指标；当所述性能指标满足预设寻优条件时，将所述性能指标对应的目标超参数组合作为所述用户分类模型的超参数，以确定所述用户分类模型。根据本申请实施例，提升用户分类模型的分类预测结果的准确性。

技术领域

本申请属于计算机技术领域，尤其涉及一种用户分类模型的确定方法、确定用户分类模型的分布式计算方法、装置、设备及存储介质。

背景技术

随着电信业务的高速发展，在通讯业务的应用场景中，每天会有大量的用户行为数据需要分析，而机器学习等人工智能技术正在越来越多的场景中发挥着作用。在对机器学习模型的构建、优化时，由于，超参数的选择对模型最终的效果有着重要的影响，这就需要对超参数进行选择调整以获得效果更好的模型。

目前，常用的超参数优化方法中，贝叶斯优化法是较为简单高效的方法，但是贝叶斯优化法有时存在陷入局部最优解的问题，导致不能找到效果更好的模型的超参数。

发明内容

本申请实施例提供一种用户分类模型的确定方法、确定用户分类模型的分布式计算方法、装置、设备及存储介质，能够较好地确定用户分类模型对应的超参数，优化用户分类模型的性能指标，提升用户分类模型的分类预测结果的准确性。

第一方面，本申请实施例提供一种用户分类模型的确定方法，方法包括：

获取多组超参数组合和用户行为数据训练样本；

利用遗传算法，将多组所述超参数组合作为采集函数的初始种群，进行种群迭代优化，以得到满足预设优化条件的目标超参数组合；

根据所述目标超参数组合和用户行为数据训练样本，对所述用户分类模型进行迭代训练，以得到所述用户分类模型的性能指标；

当所述性能指标满足预设寻优条件时，将所述性能指标对应的目标超参数组合作为所述用户分类模型的超参数，以确定所述用户分类模型。

可选地，所述利用遗传算法，将多组所述超参数组合作为采集函数的初始种群，进行种群迭代优化，以得到满足预设优化条件的目标超参数组合，包括：

根据多组所述超参数组合，随机生成初始种群；

分别计算所述初始种群的每组所述超参数组合对应的适应度；

根据每个所述适应度，对种群中的超参数组合进行遗传操作，确定下一代种群；

迭代优化种群直至满足遗传算法的终止条件，得到最优种群；

将所述最优种群对应的超参数组合作为所述目标超参数组合。

可选地，所述遗传操作包括选取操作、交叉操作以及变异操作中的一种或多种。

可选地，所述获取多组超参数组合，包括：

获取多组初始超参数组合；

根据所述用户分类模型的目标函数，分别计算得到每个所述初始超参数组合对应的所述用户分类模型的性能指标，以生成第一参数集合；

根据所述预设概率模型和所述第一参数集合，计算得到多组后验概率；

根据多组所述后验概率和所述预设概率模型，确定所述多组超参数组合。

可选地，所述方法还包括：

当所述性能指标不满足预设寻优条件时，根据所述性能指标和所述性能指标对应的目标超参数组合，更新所述预设概率模型；