[发明专利]逻辑回归模型的数据处理方法、装置、处理器及电子设备

权利要求书

1.一种逻辑回归模型的数据处理方法，其特征在于，包括：

确定输入数据对应的目标向量，其中，所述目标向量为所述输入数据根据嵌入算法得到的；

将所述目标向量输入逻辑回归模型，由所述逻辑回归模型输出所述目标向量对应的目标概率，其中，所述目标概率为所述输入数据符合目标条件的概率，所述逻辑回归模型为训练数据通过优化算法训练得到的。

2.根据权利要求1所述的方法，其特征在于，将所述目标向量输入逻辑回归模型，由所述逻辑回归模型输出所述目标向量对应的目标概率之前，所述方法还包括：

获取训练数据和初始逻辑回归模型；

通过所述训练数据采用所述优化算法对所述初始逻辑回归模型进行训练；

在所述逻辑回归模型的损失函数值达到预设阈值的情况下，确定所述初始逻辑回归模型训练完成，将所述初始逻辑回归模型作为所述逻辑回归模型。

3.根据权利要求2所述的方法，其特征在于，获取训练数据和初始逻辑回归模型包括：

获取数据库中存储的样本数据；

对所述样本数据进行清洗，得到所述训练数据；

创建所述初始逻辑回归模型。

4.根据权利要求2所述的方法，其特征在于，通过所述训练数据采用所述优化算法对所述初始逻辑回归模型进行训练包括：

将所述训练数据输入所述初始逻辑回归模型，得到所述训练数据符合所述目标条件的预测概率；

根据所述优化算法的优化函数，确定所述初始逻辑回归模型的损失函数的梯度值，其中，所述优化函数包括梯度下降表达式和自适应动量随机优化表达式；

根据所述预测概率和所述梯度值，采用所述损失函数，确定所述初始逻辑回归模型的损失函数值；

在所述损失函数值未达到所述预设阈值的情况下，选取新的训练数据对所述初始逻辑回归模型进行训练，直至所述损失函数值达到所述预设阈值。

5.根据权利要求4所述的方法，其特征在于，根据所述优化算法的优化函数，确定所述初始逻辑回归模型的损失函数的梯度值包括：

根据所述梯度下降表达式的第一权重和所述自适应动量随机优化表达式的第二权重，以及所述优化函数的梯度下降表达式和自适应动量随机优化表达式，确定所述损失函数的梯度值；

其中，所述第一权重和所述第二权重为预设值，所述第二权重小于所述第一权重，所述第二权重与所述第一权重的比值小于第一预设比值。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

通过所述损失函数值的变化情况，确定是否发生梯度爆炸；

在发生梯度爆炸的情况下，将所述第二权重增大，对所述损失函数的梯度值进行更新，并确定更新后的损失函数值；

根据更新后的损失函数值确定是否发生梯度爆炸，在更新后的损失函数值仍然发生梯度爆炸的情况下，对所述第二权重继续增大，直至更新后的损失函数值不发生梯度爆炸。

7.根据权利要求1至6中任一项所述的方法，其特征在于，确定输入数据对应的目标向量之后，所述方法还包括：

将所述目标向量进行存储；

在后续对所述逻辑回归模型进行再训练的情况下，获取所述目标向量对所述逻辑回归模型进行再训练。

8.一种逻辑回归模型的数据处理装置，其特征在于，包括：

确定模块，用于确定输入数据对应的目标向量，其中，所述目标向量为所述输入数据根据嵌入算法得到的；

处理模块，用于将所述目标向量输入逻辑回归模型，由所述逻辑回归模型输出所述目标向量对应的目标概率，其中，所述目标概率为所述输入数据符合目标条件的概率，所述逻辑回归模型为训练数据通过优化算法训练得到的。

9.一种处理器，其特征在于，处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的逻辑回归模型的数据处理方法。

10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的逻辑回归模型的数据处理方法。