[发明专利]一种模型性能衰减评价方法、模型训练方法及装置

权利要求书

1.一种模型性能衰减评价方法，其特征在于，包括：

获取目标模型的初始评价特征；其中，所述目标模型的初始评价特征包括所述目标模型的N组业务相关特征和所述目标模型的模型性能指标值中的至少一项，所述目标模型的N组业务相关特征与所述目标模型的N个评价样本一一对应，且所述目标模型的每组业务相关特征均包括如下至少一项：所述评价样本输入所述目标模型的各个输入变量值，所述评价样本输入所述目标模型所得到的日志信息，所述评价样本输入所述目标模型所得到的样本评分；N为大于1的整数；

根据所述目标模型的初始评价特征确定所述目标模型的目标评价特征；

将所述目标模型的目标评价特征输入预先训练的性能衰减评价模型，得到所述目标模型的性能衰减评价结果。

2.根据权利要求1所述的方法，其特征在于，所述目标模型的初始评价特征包括所述目标模型的N组业务相关特征，所述N个评价样本包括以同一统计周期为统计基准的M个统计时间内输入所述目标模型的评价样本，M为正整数；

所述根据所述目标模型的初始评价特征确定所述目标模型的目标评价特征，包括：

分别将所述目标模型的N组业务相关特征中对应同一统计时间的业务相关特征进行聚合计算，得到所述目标模型的每个统计时间对应的聚合评价特征；

根据所述目标模型的M个统计时间对应的聚合评价特征确定所述目标模型的目标评价特征。

3.根据权利要求2所述的方法，其特征在于，所述目标模型的每组业务相关特征均包括所述评价样本输入所述目标模型的各个输入变量值，所述目标模型的每个统计时间对应的聚合评价特征均包括如下至少一项：

所述目标模型的第一变量指标值，所述目标模型的第一变量指标值为所述目标模型的输入变量值矩阵与所述目标模型的基准变量值矩阵之间的相似度，所述目标模型的输入变量值矩阵为所述目标模型的第一变量值集合形成的矩阵，所述目标模型的基准变量值矩阵为与所述目标模型的第一变量值集合对应的基准变量值集合形成的矩阵，所述目标模型的第一变量值集合包括同一统计时间内所述目标模型的各个输入变量值；

所述目标模型的第二变量指标值，所述目标模型的第二变量指标值为根据所述目标模型的各个输入变量对应的第一变量值的数量确定的值，所述目标模型的各个输入变量对应的第一变量值分别为所述目标模型的各个输入变量对应的第二变量值集合中与对应的基准变量值不同的变量值，所述目标模型的各个输入变量对应的第二变量值集合分别包括同一统计时间内所述目标模型的各个输入变量对应的输入变量值；

所述目标模型的第三变量指标值，所述目标模型的第三变量指标值为根据所述目标模型的各个输入变量对应的第二变量值的数量确定的值，所述目标模型的各个输入变量对应的第二变量值分别为所述目标模型的各个输入变量对应的第三变量值集合中已知异常的输入变量值，所述目标模型的各个输入变量对应的第三变量值集合分别包括同一统计时间内所述目标模型的各个输入变量对应的输入变量值；

所述目标模型的第四变量指标值，所述目标模型的第四变量指标值为根据所述目标模型的各个输入变量对应的统计异常值的数量确定的值，所述目标模型的各个输入变量对应的统计异常值分别为所述目标模型的各个输入变量对应的第三变量值中经由预设异常值检验方法确定为异常的输入变量值，所述目标模型的各个输入变量对应的第三变量值分别为所述目标模型的各个输入变量对应的第四变量值集合中除已知异常的输入变量值之外的输入变量值，所述目标模型的各个输入变量对应的第四变量值集合分别包括同一统计时间内所述目标模型的各个输入变量对应的输入变量值；

所述目标模型的第五变量指标值，所述目标模型的第五变量指标值根据所述目标模型的各个输入变量对应的PSI值确定，所述目标模型的各个输入变量对应的PSI值分别为根据所述目标模型的各个输入变量对应的第五变量值集合与第六变量值集合计算得到的PSI值，所述目标模型的各个输入变量对应的第五变量值集合分别包括同一统计时间内所述目标模型的各个输入变量对应的输入变量值，所述目标模型的各个输入变量对应的第六变量值集合分别为基准统计时间内所述目标模型的各个输入变量对应的变量值。