本申請(qǐng)公開(kāi)了一種回歸模型構(gòu)建優(yōu)化方法、設(shè)備、介質(zhì)及計(jì)算機(jī)程序產(chǎn)品，所述回歸模型構(gòu)建優(yōu)化方法包括：在各預(yù)設(shè)數(shù)據(jù)源中分別獲取特征數(shù)據(jù)，并基于各預(yù)設(shè)回歸參數(shù)預(yù)測(cè)模型和各所述預(yù)設(shè)數(shù)據(jù)源的數(shù)據(jù)源缺失概率，分別生成各所述特征數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)權(quán)重參數(shù)；基于各所述預(yù)測(cè)權(quán)重參數(shù)與各所述特征數(shù)據(jù)，生成預(yù)測(cè)回歸值；基于各所述特征數(shù)據(jù)對(duì)應(yīng)的真實(shí)回歸值和所述預(yù)測(cè)回歸值，通過(guò)優(yōu)化各所述預(yù)設(shè)回歸參數(shù)預(yù)測(cè)模型，構(gòu)建目標(biāo)回歸模型。本申請(qǐng)解決了由于數(shù)據(jù)源缺失導(dǎo)致回歸模型構(gòu)建效率低的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及金融科技(Fintech)的人工智能技術(shù)領(lǐng)域，尤其涉及一種回歸模型構(gòu)建優(yōu)化方法、設(shè)備、介質(zhì)及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)

隨著金融科技，尤其是互聯(lián)網(wǎng)科技金融的不斷發(fā)展，越來(lái)越多的技術(shù)(如分布式、人工智能等)應(yīng)用在金融領(lǐng)域，但金融業(yè)也對(duì)技術(shù)提出了更高的要求，如對(duì)金融業(yè)對(duì)應(yīng)待辦事項(xiàng)的分發(fā)也有更高的要求。

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，人工智能的應(yīng)用也越來(lái)越廣泛，目前，在現(xiàn)實(shí)場(chǎng)景中，常常需要利用多個(gè)數(shù)據(jù)源的數(shù)據(jù)構(gòu)建回歸模型，其中，每個(gè)數(shù)據(jù)源為回歸模型提供不同的特征，在回歸模型構(gòu)建過(guò)程中，常常會(huì)出現(xiàn)某些數(shù)據(jù)源突然缺失的情況，也即，數(shù)據(jù)源不能提供有效的數(shù)據(jù)，進(jìn)而將導(dǎo)致回歸模型無(wú)法繼續(xù)訓(xùn)練，目前，通常通過(guò)對(duì)回歸模型重新訓(xùn)練的方式克服數(shù)據(jù)源突然缺失的情況，但是，重新訓(xùn)練回歸模型的方式耗時(shí)耗力，影響回歸模型的構(gòu)建效率。

發(fā)明內(nèi)容

本申請(qǐng)的主要目的在于提供一種回歸模型構(gòu)建優(yōu)化方法、設(shè)備、介質(zhì)及計(jì)算機(jī)程序產(chǎn)品，旨在解決現(xiàn)有技術(shù)中由于數(shù)據(jù)源缺失導(dǎo)致回歸模型構(gòu)建效率低的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┮环N回歸模型構(gòu)建優(yōu)化方法，所述回歸模型構(gòu)建優(yōu)化方法應(yīng)用于回歸模型構(gòu)建優(yōu)化設(shè)備，所述回歸模型構(gòu)建優(yōu)化方法包括：

在各預(yù)設(shè)數(shù)據(jù)源中分別獲取特征數(shù)據(jù)，并基于各預(yù)設(shè)回歸參數(shù)預(yù)測(cè)模型和各所述預(yù)設(shè)數(shù)據(jù)源的數(shù)據(jù)源缺失概率，分別生成各所述特征數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)權(quán)重參數(shù)；

基于各所述預(yù)測(cè)權(quán)重參數(shù)與各所述特征數(shù)據(jù)，生成預(yù)測(cè)回歸值；

基于各所述特征數(shù)據(jù)對(duì)應(yīng)的真實(shí)回歸值和所述預(yù)測(cè)回歸值，通過(guò)優(yōu)化各所述預(yù)設(shè)回歸參數(shù)預(yù)測(cè)模型，構(gòu)建目標(biāo)回歸模型。

為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┮环N回歸預(yù)測(cè)優(yōu)化方法，所述回歸預(yù)測(cè)優(yōu)化方法應(yīng)用于回歸預(yù)測(cè)優(yōu)化設(shè)備，所述回歸預(yù)測(cè)優(yōu)化方法包括：

在各預(yù)設(shè)數(shù)據(jù)源中獲取待預(yù)測(cè)特征數(shù)據(jù)，并基于目標(biāo)回歸模型中各目標(biāo)回歸參數(shù)預(yù)測(cè)模型，分別生成各所述待預(yù)測(cè)特征數(shù)據(jù)對(duì)應(yīng)的目標(biāo)權(quán)重參數(shù)；

基于各所述待預(yù)測(cè)特征數(shù)據(jù)與各所述目標(biāo)權(quán)重參數(shù)，生成目標(biāo)回歸值。

本申請(qǐng)還提供一種回歸模型構(gòu)建優(yōu)化裝置，所述回歸模型構(gòu)建優(yōu)化裝置為虛擬裝置，且所述回歸模型構(gòu)建優(yōu)化裝置應(yīng)用于回歸模型構(gòu)建優(yōu)化設(shè)備，所述回歸模型構(gòu)建優(yōu)化裝置包括：

權(quán)重參數(shù)預(yù)測(cè)模塊，用于在各預(yù)設(shè)數(shù)據(jù)源中分別獲取特征數(shù)據(jù)，并基于各預(yù)設(shè)回歸參數(shù)預(yù)測(cè)模型和各所述預(yù)設(shè)數(shù)據(jù)源的數(shù)據(jù)源缺失概率，分別生成各所述特征數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)權(quán)重參數(shù)；

生成模塊，用于基于各所述預(yù)測(cè)權(quán)重參數(shù)與各所述特征數(shù)據(jù)，生成預(yù)測(cè)回歸值；

構(gòu)建模塊，用于基于各所述特征數(shù)據(jù)對(duì)應(yīng)的真實(shí)回歸值和所述預(yù)測(cè)回歸值，通過(guò)優(yōu)化各所述預(yù)設(shè)回歸參數(shù)預(yù)測(cè)模型，構(gòu)建目標(biāo)回歸模型。

本申請(qǐng)還提供一種回歸預(yù)測(cè)優(yōu)化裝置，所述回歸預(yù)測(cè)優(yōu)化裝置為虛擬裝置，且所述回歸預(yù)測(cè)優(yōu)化裝置應(yīng)用于回歸預(yù)測(cè)優(yōu)化設(shè)備，所述回歸預(yù)測(cè)優(yōu)化裝置包括：

權(quán)重參數(shù)預(yù)測(cè)模塊，用于在各預(yù)設(shè)數(shù)據(jù)源中獲取待預(yù)測(cè)特征數(shù)據(jù)，并基于目標(biāo)回歸模型中各目標(biāo)回歸參數(shù)預(yù)測(cè)模型，分別生成各所述待預(yù)測(cè)特征數(shù)據(jù)對(duì)應(yīng)的目標(biāo)權(quán)重參數(shù)；