[发明专利]一种计算机数据模型训练方法

说明书

本发明涉及计算机数据处理技术领域，且公开了一种计算机数据模型训练方法；本计算机数据模型训练方法包括以下步骤：S1：数据获取；S2：数据测试；S3：数据训练；S4：参数获取；S5：模型处理，本发明通过将训练数据集分为支持集训练数据和查询集训练数据进行组合式多样训练，使得在对计算机进行数据模型训练时能够利用少量数据进行组合后，完成多组以及多种训练，从而提高整个模型的学习能力，为此模型在多种场景下应用提供了可能，通过多种统计量，提升了训练效率以及模型的预测效果，且通过参数预处理矩阵可有效避免因参数失误造成的模型参数错误，提高了整个模型运行的稳定性和准确性。

技术领域

本发明属于计算机数据处理技术领域，具体为一种计算机数据模型训练方法。

背景技术

数据模型是数据库系统中用以提供信息表示和操作手段的形式构架，也是数据特征的抽象，数据模型从抽象层次上描述了系统的静态特征、动态行为和约束条件，其描述的内容可分为数据结构、数据操作和数据约束三部分，数据结构:数据模型中的数据结构主要描述数据的类型、内容、性质以及数据间的联系等。数据结构是数据模型的基础，数据操作和约束都建立在数据结构上。不同的数据结构具有不同的操作和约束，数据操作:数据模型中数据操作主要描述在相应的数据结构上的操作类型和操作方式，数据约束：数据模型中的数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。

在对数据模型的构建过程中，需要对其进行数据模型训练，现有的数据模型训练方法一般依靠大量的数据来训练得到模型参数，这种学习方法限制了模型在很多应用场景下的可行性：在具体的现实情况中，大量数据的获取也是有难度的，在模型在训练过程中只接触了某一特定任务相关的数据样本，在面对新任务时，其适应能力和泛化能力较弱，无法适配多种场景，且现有的数据模型训练中无法对错误参数进行修正，影响了数据模型的稳定性和准确性；因此，针对目前的状况，需对其进行改进。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供一种计算机数据模型训练方法，有效的解决了在对数据模型的构建过程中，需要对其进行数据模型训练，现有的数据模型训练方法一般依靠大量的数据来训练得到模型参数，这种学习方法限制了模型在很多应用场景下的可行性：在具体的现实情况中，大量数据的获取也是有难度的，在模型在训练过程中只接触了某一特定任务相关的数据样本，在面对新任务时，其适应能力和泛化能力较弱，无法适配多种场景，且现有的数据模型训练中无法对错误参数进行修正，影响了数据模型的稳定性和准确性的问题。

为实现上述目的，本发明提供如下技术方案：一种计算机数据模型训练方法，包括以下步骤：

S1：数据获取：根据数据模型的类型，获取对应的训练数据集，所述训练数据集包括多组训练多组训练数据，通过加密单元对获得的多组训练数据进行加密，以此得到加密训练数据，将此加密训练数据分类为支持集训练数据和查询集训练数据，支持集训练数据和查询集训练数据之间具有层级函数关系；

S2：数据测试：将上述步骤S1中的得到的支持集训练数据和查询集训练数据分别导入数据模型，利用context-set方法以及输入的观测值使得数据模型对支持集训练数据和查询集训练数据进行反复训练模拟学习，即模型在对查询集训练数据进行学习训练时忽略支持集训练数据的信息，在对支持集训练数据进行学习训练时忽略查询集训练数据的信息，使得支持集训练数据和查询集训练数据之间的数据交互值无限接近于0；

S3：数据训练：在上述步骤S2的基础上，利用实例标准化的训练方法对支持集训练数据和查询集训练数据进行维度归一化的模型训练，利用层标准化的训练方法对支持集训练数据和查询集训练数据进行多通道维度的模型训练，利用直批标准化的训练方法对支持集训练数据和查询集训练数据进行统计量差异化的模型训练，利用任务标准化的训练方法对支持集训练数据和查询集训练数据进行任务级别统计量的模型训练，利用元批量标准化的训练方法对支持集训练数据和查询集训练数据进行均值以及方差的基本化的模型训练，以此完成对数据模型的所有数据训练；