[发明专利]线上机器学习模型的参数更新方法、装置及电子设备

权利要求书

1.一种线上机器学习模型的参数更新方法，其特征在于，包括：

获取在线运行的目标机器学习模型在当前周期内的当前预测集合；

将所述当前预测集合和基准预测参数进行比对以确定最大分箱位置；

根据所述最大分箱位置由所述当前预测集合中提取目标预测集合；

基于所述目标预测集合和基准预测集合的差异比对，生成更新参数；

基于所述更新参数对所述目标机器学习模型的当前参数进行更新。

2.如权利要求1所述的方法，其特征在于，还包括：

在所述目标机器学习模型上线后，获取首个时间周期内的所述目标机器学习模型的预测数据；

基于所述预测数据生成所述基准预测集合。

3.如权利要求2所述的方法，其特征在于，还包括：

基于所述基准预测集合生成分箱区间；

基于所述基准预测集合、所述分箱区间生成每个分箱区间对应的基准对标参数；

基于所述分箱区间和每个分箱区间对应的基准对标参数生成所述基准预测参数。

4.如权利要求3所述的方法，其特征在于，将所述当前预测集合和基准预测参数进行比对以确定最大分箱位置，包括：

将所述当前预测集合按照所述分箱区间划分为多个当前子集合；

分别计算所述多个当前子集合对应的当前对标参数；

将所述当前对标参数和所述基准对标参数进行比对以确定所述最大分箱位置。

5.如权利要求4所述的方法，其特征在于，将所述当前对标参数和所述基准对标参数进行比对以确定所述最大分箱位置，包括：

基于分箱区间将每一个当前子集合对应的所述当前对标参数和所述基准对标参数进行比对，生成多个KS检验值；

将多个KS检验值中最大的KS检验值对应的位置作为最大分箱位置。

6.如权利要求1所述的方法，其特征在于，根据所述最大分箱位置由所述当前预测集合中提取目标预测集合，包括：

基于所述最大分箱位置将所述当前预测集合分为第一集合和第二集合；

分别计算所述第一集合和所述第二集合的KS检验值的均值；

基于所述KS检验值的均值由所述第一集合和所述第二集合中确定所述目标预测集合。

7.如权利要求1所述的方法，其特征在于，基于所述目标预测集合和基准预测集合的差异比对生成更新参数，包括：

获取所述目标预测集合对应的目标用户特征；

获取所述基准预测集合对应的基准用户特征；

基于所述目标用户特征和所述基准用户特征的差异确定所述更新参数。

8.如权利要求2所述的方法，其特征在于，获取首个时间周期内的所述目标机器学习模型的预测数据，包括：

将首个时间周期内的基准用户输入所述目标机器学习模型中，生成预测数据。

9.如权利要求3所述的方法，其特征在于，基于所述基准预测集合生成分箱区间，包括：

根据等频分箱策略生成所述分箱区间。

10.如权利要求3所述的方法，其特征在于，基于所述基准预测集合、所述分箱区间生成每个分箱区间对应的基准对标参数，包括：

基于所述分箱区间将所述基准预测集合划分成多个基准子集合；

分别计算所述多个基准子集合对应的基准对标参数。

11.一种线上机器学习模型的参数更新装置，其特征在于，包括：

当前模块，用于获取目标机器学习模型的在当前周期内的当前预测集合；

位置模块，用于将所述当前预测集合和基准预测参数进行比对以确定最大分箱位置；

集合模块，用于根据所述最大分箱位置由所述当前预测集合中提取目标预测集合；

参数模块，用于基于所述目标预测集合和基准预测集合的差异比对生成更新参数；

更新模块，用于基于所述更新参数对所述目标机器学习模型的当前参数进行更新。