[发明专利]模型优化方法、装置、电子设备、介质和程序产品

权利要求书

1.一种模型优化方法，包括：

计算目标模型在第一时间周期内的第一精度信息，所述第一时间周期为第一时间节点之前的时间周期，所述第一时间节点为所述目标模型训练完成之后的时间节点，所述第一精度信息包括所述目标模型在所述第一时间周期内的模型精度，所述目标模型为用于进行风险预测的模型；

基于所述第一精度信息预测所述目标模型在第二时间周期内的第二精度信息，所述第二时间周期为所述第一时间节点之后的时间周期，所述第二精度信息包括所述目标模型在所述第二时间周期内的模型精度；

基于所述第二精度信息对所述目标模型进行优化。

2.根据权利要求1所述的方法，其中，所述第二精度信息包括第一子精度和第二子精度，所述第一子精度表征所述目标模型在所述第一时间节点与第二时间节点之间的模型精度，所述第二子精度表征所述目标模型在所述第二时间节点的模型精度，所述基于所述第二精度信息对所述目标模型进行优化，包括：

在所述第一子精度位于预设精度范围之内，且在所述第二子精度位于所述预设精度范围之外的情况下，在所述第二时间节点时，基于目标训练数据集对所述目标模型进行训练，其中，所述第二时间节点为所述第二时间周期内的时间节点。

3.根据权利要求2所述的方法，其中，所述目标训练数据集包括第一数据集和第二数据集，所述第一数据集包括基于所述第一时间周期内的待识别数据生成的训练数据，所述第二数据集包括基于所述第一时间节点与所述第二时间节点之间的待识别数据生成的训练数据。

4.根据权利要求2所述的方法，其中，所述第二时间周期包括n个连续的第一子周期，所述第一子精度包括所述n个第一子周期中的前i个第一子周期对应的模型精度；所述第二子精度包括所述n个第一子周期中的第i+1个第一子周期对应的模型精度；

在所述前i个第一子周期对应的模型精度位于所述预设精度范围之内，且所述第i+1个第一子周期对应的模型精度位于所述预设范围之外的情况下，所述第二时间节点为所述第i+1个第一子周期的时间起点，所述n为大于1的整数，所述i为大于0的整数。

5.根据权利要求1所述的方法，其中，所述计算目标模型在第一时间周期内的第一精度信息，包括：

获取第一数据集，所述第一数据集包括所述第一时间周期内的待识别数据和所述待识别数据所对应的真实标签；

基于所述目标模型分别对所述第一数据集中的每个待识别数据进行识别，得到与所述第一数据集中每个待识别数据对应的预测标签；

基于所述真实标签和所述预测标签计算所述第一精度信息。

6.根据权利要求5所述的方法，其中，所述第一时间周期包括m个第二子周期，所述m为大于1的整数，所述第一精度信息包括所述m个第二子周期对应的模型精度，所述基于所述真实标签和所述预测标签计算所述第一精度信息，包括：

基于所述第二子周期内的待识别数据的真实标签和所述第二子周期内的待识别数据的预测标签进行计算，得到所述第二子周期对应的所述模型精度。

7.根据权利要求6所述的方法，其中，所述第一数据集包括训练集和测试集，所述训练集与所述第一时间周期中的至少一个第二子周期相对应，所述测试集与所述第一时间周期中的至少一个第二子周期相对应，且所述训练集所对应的第二子周期与所述测试集所对应的第二子周期不同，所述目标模型为基于所述训练集和所述测试集训练得到的模型。

8.根据权利要求1至7中任意一项所述的方法，其中，所述基于所述第一精度信息预测所述目标模型在第二时间周期内的第二精度信息，包括：

将所述第一精度信息输入差分整合移动平均自回归模型ARIMA进行预测，得到所述第二精度信息。