[发明专利]AI模型生成方法、电子设备及存储介质

权利要求书

1.一种AI模型生成方法，其特征在于，所述方法包括：

根据当前业务场景获取预设类型的备选变量，对各预设类型的备选变量进行变量区分度分析，确定出目标变量；

对所述目标变量进行风险平衡分析，确定所述目标变量的目标阈值；

将第一目标参数、所述目标变量和所述目标阈值关联存储，生成业务变量分析报告；

响应于用户基于业务变量分析报告输入的第一目标参数，根据所述第一目标参数和各目标变量以及目标变量阈值之间的关联关系，确定当前业务场景下的目标变量和目标变量阈值，获取所述目标变量阈值范围内的目标变量，其中，第一目标参数为预定义的与业务场景具有映射关系的参数，所述目标变量阈值为使对应业务场景下客户滚动率趋于稳定时对应目标变量的数量；

根据所述目标变量对总体样本基于预设的抽样函数进行分层抽样处理，得到抽样样本；

校验所述抽样样本与所述总体样本在预设指标维度上的分布一致性，根据所述抽样样本与所述总体样本在预设指标维度上的分布一致性，生成校验结果报告并输出；

响应于用户基于所述校验结果报告触发的数据预处理指令，对所述抽样样本进行数据预处理，得到训练样本集和测试样本集；

响应于用户基于业务场景输入的第二目标参数，选取至少一个预设的待训练模型，其中，第二目标参数为预设的代表当前业务场景下需要解决的分类问题的参数；

基于所述训练样本集对选取的各个待训练模型进行训练，基于所述测试样本集对训练之后的各个模型的预设评价指标进行测试，根据各个模型的各预设评价指标的第一测试结果，从各个模型中选取部分模型进行融合处理，得到融合模型；

基于所述测试样本集对所述融合模型的各预设评价指标进行测试，得到第二测试结果；

根据所述第一测试结果和所述第二测试结果，从训练之后的各个模型或所述融合模型中选取所述AI模型。

2.根据权利要求1所述的AI模型生成方法，其特征在于，所述对所述抽样样本进行数据预处理，得到训练样本集和测试样本集，包括：

对所述抽样样本进行数据填充和/或数据异常处理，对经数据填充和/或数据异常处理之后的样本进行衍生处理，得到目标样本集；

将所述目标样本集划分为训练样本集和测试样本集。

3.根据权利要求2所述AI模型生成方法，其特征在于，在基于所述训练样本集对选取的各个待训练模型进行训练，基于所述测试样本集对训练之后的各个模型的预设评价指标进行测试，得到AI模型之后，还包括：

实时监测当前业务场景下的AI模型的各预设评价指标，若在当前业务场景下所述AI模型的任意预设评价指标的变化率超过预设变化阈值，则发出预警提示信息。

4.一种AI模型生成设备，其特征在于，包括：

存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至3中任一项所述的AI模型生成方法的步骤。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至3中任一项所述的AI模型生成方法的步骤。