(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211231178.8 (22)申请日 2022.10.10 (71)申请人 亿咖通 （北京） 科技有限公司 地址 100102 北京市朝阳区望京东园四区 13号楼-4至 33层101内6层208室 申请人 亿咖通 （湖北） 技 术有限公司 (72)发明人 徐维莉　罗峰　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 王瑞云 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 模型训练方法、 信息预测方法、 装置、 设备及 介质 (57)摘要 本发明公开了一种模 型训练方法、 信息预测 方法、 装置、 设备及介质。 该方法包括： 获取第一 数据集中每个数据包括的特征的权重， 其中， 所 述第一数据集为车辆历史数据集； 根据所述每个 数据包括的特征的权重对所述第一数据集中的 数据包括的特征进行筛选， 得到第二数据集； 根 据所述第一数据集和所述第二数据集的权重之 比确定至少一个组合参数； 根据所述至少一个组 合参数对应的损失值从所述至少一个组合参数 中选取目标组合参数， 并基于所述目标组合参数 生成目标模型， 其中， 所述目标模型基于车辆当 前数据确定预测信息。 通过本发明的技术方案， 能够训练更为准确的AI系统， 在有限时间内以更 低的成本探索更广的参数空间， 提高获得更优解 的概率。 权利要求书2页 说明书15页 附图3页 CN 115293366 A 2022.11.04 CN 115293366 A 1.一种模型训练方法， 其特 征在于， 包括： 获取第一数据集中每个数据包括的特征的权重， 其中， 所述第一数据集为车辆历史数 据集； 根据所述每个数据包括的特征的权重对所述第一数据集中的数据包括的特征进行筛 选， 得到第二数据集； 根据所述第一数据集和所述第二数据集的权 重之比确定 至少一个组合 参数； 根据所述至少一个组合参数对应的损失值从所述至少一个组合参数中选取目标组合 参数， 并基于所述目标 组合参数生 成目标模型， 其中， 所述目标模型基于车辆当前数据确定 预测信息 。 2.根据权利要求1所述的方法， 其特征在于， 在根据 所述第一数据集和所述第 二数据集 的权重之比确定 至少一个组合 参数之前， 还 包括： 基于所述第一数据集对第一模型进行训练， 得到第一训练时间； 基于所述第二数据集对所述第一模型进行训练， 得到第二训练时间； 根据所述第一训练时间和所述第二训练时间确定第一数据集和第二数据集的权重之 比。 3.根据权利要求1所述的方法， 其特征在于， 在根据 所述至少一个组合参数对应的损失 值从所述至少一个组合 参数中选取目标组合 参数之前， 还 包括： 根据所述至少一个组合 参数确定 至少一个模型和每 个模型对应的样本集标识； 根据所述每个模型对应的样本集标识对所述至少一个模型进行训练， 得到每个组合参 数对应的损失值。 4.根据权利要求3所述的方法， 其特征在于， 根据 所述第一数据集和所述第 二数据集的 权重之比确定 至少一个组合 参数， 包括： 获取历史调参； 根据所述历史调参训练第二模型， 得到概 率分布模型； 将所述第一数据集和所述第 二数据集的权重之比， 与目标损失值输入所述概率分布模 型， 得到至少一个组合 参数。 5.根据权利要求4所述的方法， 其特征在于， 在根据 所述每个模型对应的样本集标识对 所述至少一个模型进行训练， 得到每 个组合参数对应的损失值之后， 还 包括： 根据所述每 个组合参数和每 个组合参数对应的损失值更新所述 概率分布模型。 6.根据权利要求5所述的方法， 其特征在于， 根据 所述第一数据集和所述第 二数据集的 权重之比确定 至少一个组合 参数， 包括： 获取每个模型的训练时间； 根据每个模型的训练时间的平均值更新所述第一数据集和第二数据集的权 重之比。 7.根据权利要求1所述的方法， 其特征在于， 所述车辆历史数据集包括： 车内历史环境 数据集、 车辆历史加油数据集、 车辆历史充电数据集以及车辆历史行驶数据集中的至少一 种， 所述预测信息包括： 空调温度、 加油时间、 充电时间以及驾驶状态中的至少一种。 8.一种信息预测方法， 其特 征在于， 包括： 获取车辆当前 数据； 将所述车辆当前数据输入至预先训练的目标模型中， 得到预测信 息， 其中， 所述目标模权　利　要　求　书 1/2 页 2 CN 115293366 A 2型基于如权利要求 1‑7任一所述模 型训练方法训练得到， 所述车辆 当前数据包括： 车内当前 环境数据、 车辆 当前加油数据、 车辆当前充电数据以及车辆当前行驶数据中的至少一种， 所 述预测信息包括： 空调温度、 加油时间、 充电时间以及驾驶状态中的至少一种。 9.一种模型训练装置， 其特 征在于， 包括： 特征权重获取模块， 用于获取第 一数据集中每个数据包括的特征的权重， 其中， 所述第 一数据集 为车辆历史数据集； 第二数据集得到模块， 用于根据所述每个数据包括的特征的权重对所述第 一数据集中 的数据包括的特 征进行筛 选， 得到第二数据集； 组合参数确定模块， 用于根据 所述第一数据集和所述第 二数据集的权重之比确定至少 一个组合 参数； 目标模型生成模块， 用于根据 所述至少一个组合参数对应的损失值从所述至少一个组 合参数中选取目标 组合参数， 并基于所述目标 组合参数生 成目标模型， 其中， 所述目标模型 基于车辆当前 数据确定预测信息 。 10.一种信息预测装置， 其特 征在于， 包括： 车辆当前 数据获取模块， 用于获取 车辆当前 数据； 预测信息得到模块， 用于将所述车辆当前数据输入至预先训练的目标模型中， 得到预 测信息， 其中， 所述目标模型基于如权利要求1 ‑7任一所述模型训练方法训练得到， 所述车 辆当前数据包括： 车内当前环 境数据、 车辆 当前加油数据、 车辆 当前充电数据以及车辆 当前 行驶数据中的至少一种， 所述预测信息包括： 空调温度、 加油时间、 充电时间以及驾驶状态 中的至少一种。 11.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑8中任一项所述的 方法。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处 理器执行时实现权利要求1 ‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115293366 A 3