[发明专利]一种数据处理的方法和装置

权利要求书

1.一种数据处理的方法，其特征在于，涉及特征提取和回归模型和与所述特征提取和回归模型相关联的不确定性预测模型，所述方法包括：

在对所述不确定性预测模型训练的过程中，确定针对所述不确定性预测模型的反向传播梯度信息；其中，针对所述不确定性预测模型的反向传播梯度信息与所述特征提取和回归模型相分离；

根据针对所述不确定性预测模型的反向传播梯度信息，对所述不确定性预测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述在对所述不确定性预测模型训练的过程中，确定针对所述不确定性预测模型的反向传播梯度信息，包括：

将从样本数据提取的特征输入所述不确定性预测模型，得到所述不确定性预测模型的样本不确定性预测结果；

根据所述样本不确定性预测结果，确定样本不确定性预测损失值；

根据所述样本不确定性预测损失值，确定针对所述不确定性预测模型的反向传播梯度信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述样本不确定性预测结果，确定样本不确定性预测损失值，包括：

根据样本不确定性预测基准真相和所述样本不确定性预测结果，确定样本不确定性预测损失值。

4.根据权利要求3所述的方法，其特征在于，还包括：

将从样本数据提取的特征输入所述特征提取和回归模型，得到所述特征提取和回归模型的样本预测结果；

确定所述样本数据对应的样本预测基准真相；

根据所述样本预测基准真相和所述样本预测结果，确定样本预测损失值，并将所述样本预测损失值作为样本不确定性预测基准真相。

5.根据权利要求4所述的方法，其特征在于，还包括：

根据所述样本预测损失值，确定针对所述特征提取和回归模型的反向传播梯度信息，以根据针对所述特征提取和回归模型的反向传播梯度信息，对所述特征提取和回归模型进行训练。

6.一种数据处理的方法，其特征在于，涉及特征提取和回归模型和与所述特征提取和回归模型相关联的不确定性预测模型，所述方法包括：

在对所述不确定性预测模型校准的过程中，根据边缘案例百分位阈值，对预测偏差和所述不确定性预测模型的校准不确定性预测结果进行二分类；

确定在所述边缘案例百分位阈值下的最佳不确定性预测阈值，以完成对所述不确定性预测模型的校准。

7.根据权利要求6所述的方法，其特征在于，还包括：

根据产品的需求，确定边缘案例百分位阈值；其中，所述边缘案例百分位阈值为按预测偏差排序后标记为边缘案例数据的百分比。

8.一种数据处理的方法，其特征在于，涉及特征提取和回归模型和与所述特征提取和回归模型相关联的不确定性预测模型，所述方法包括：

在对所述不确定性预测模型部署的过程中，将从目标数据提取的特征输入所述不确定性预测模型，得到所述不确定性预测模型的目标不确定性预测结果；

根据目标边缘案例百分位阈值，从所述目标数据中标记针对所述特征提取和回归模型的边缘案例数据。

9.根据权利要求8所述的方法，其特征在于，所述根据目标边缘案例百分位阈值，从所述目标数据中标记针对所述特征提取和回归模型的边缘案例数据，包括：

获取目标边缘案例百分位阈值对应的目标最佳不确定性预测阈值；

根据所述目标不确定性预测结果和所述目标最佳不确定性预测阈值时，从所述目标数据中标记针对所述特征提取和回归模型的边缘案例数据。