[发明专利]用于正则化机器学习模型的方法、系统和存储介质有效
| 申请号： | 201680079738.9 | 申请日： | 2016-12-02 |
| 公开（公告）号： | CN108496189B | 公开（公告）日： | 2022-07-12 |
| 发明（设计）人： | G.沙米尔 | 申请（专利权）人： | 谷歌有限责任公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 中原信达知识产权代理有限责任公司 11219 | 代理人： | 周亚荣;邓聪惠 |
| 地址： | 美国加利*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 包括在计算机存储介质上编码的计算机程序的方法、系统和装置，用于正则化由机器学习模型维持的特征权重。该方法包括以下动作：获得包括多个训练特征向量的训练数据集合；以及在每个训练特征向量上训练机器学习模型，对于每个特征向量包括：对于特征向量的多个特征中的每一个：确定针对具有特征的特征向量的第一损失；确定针对不具有该特征的特征向量的第二损失；以及使用所述第一损失和第二损失来更新针对所述特征的当前收益分数，其中针对所述特征的收益分数指示所述特征在生成针对训练特征向量的准确预测结果中的有用性。 | ||
| 搜索关键词： | 用于 正则 机器 学习 模型 方法 系统 存储 介质 | ||
【主权项】：
1.一种用于正则化机器学习模型的计算机实现的方法，所述机器学习模型被配置为接收包括多个特征的特征向量作为输入并且从所述特征向量生成预测输出，所述方法包括：获得包括多个训练特征向量的训练数据集合；以及在每个训练特征向量上训练机器学习模型，对于每个特征向量包括：对于特征向量的多个特征中的每一个：确定针对具有特征的特征向量的第一损失；确定针对不具有所述特征的特征向量的第二损失；以及使用所述第一损失和所述第二损失来更新针对所述特征的当前收益分数，其中，针对所述特征的收益分数指示所述特征在生成针对训练特征向量的准确预测结果中的有用性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于谷歌有限责任公司，未经谷歌有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201680079738.9/，转载请声明来源钻瓜专利网。
