专利交易市场

本发明实施例的方法中提出了一种基于机器学习的数据处理方法、装置及计算机可读介质，该方法首先对数据的特征进行相关性分析，动态识别并选择高相关性的特征组，并记录未被选择特征的信息；随后通过深度学习网络对未被选择特征进行重构后，将其与高相关性的特征组进行融合；接着对学习模型的性能差异和模型复杂度进行计算后，计算出学习模型当前过拟合参数；然后基于当前过拟合参数通过预设规则对数据增强方法进行替换，以调整数据增强强度和种类；最后对学习率进行后更新后，对学习模型进行调整。本发明的方法通过计算过拟合参数来控制数据增强种类及强度的选择，有效防止训练数据过拟合，具有更好的泛化能力和稳定性，提高了数据处理效率。

本发明实施例的方法中提出了一种数据推荐方法、装置及计算机可读介质，该方法首先构建图像帧与时间序列信息的关联，然后对所述关联后的图像帧进行预处理后，通过对抗网络生成标准图像帧，接着基于所述标准图像帧生成时间序列样本，最后将所述时间序列样本输入推荐模型后，计算出推荐结果。本发明的方法采用通过构建时间序列进行预测的方法，具有更好的泛化能力和稳定性，提高了数据推荐效率和准确率。