一种画像预测分类方法、装置及设备

摘要

本申请公开了一种画像预测分类方法、装置及设备，先利用源领域的大量样本数据，对神经网络进行初次训练，得到能够对源领域的画像进行准确分类的神经网络模型，将神经网络模型作为能够对源领域画像进行分类识别的预测分类模型，然后再利用其他领域的少量样本数据，对得到的神经网络模型进行迁移学习训练，将神经网络模型中与其他领域的数据相匹配的参数进行保留，不匹配的参数进行相应修改，进而得到能够对其他领域的画像进行准确分类的预测分类模型。这样就可以利用对应领域的预测分类模型对该领域的画像进行分类识别，缩减了预测分类模型的建模时间，避免了对应领域低数据量对预测分类模型的分类识别准确率的影响。