模型训练方法及装置

本申请实施例提供了一种模型训练方法及装置，该方法包括：获取多个基站样本数据，基站样本数据包括：第一状态数据、第一动作数据、第一奖励数据、第二状态数据，第一状态数据是通过基础数据、设备用电数据、历史电费数据处理后得到的待稽核数据；第一动作数据是基于第一状态数据得到的动作数据；重复执行以下步骤，直至满足预设训练终止条件，得到目标神经网络模型：将第一状态数据输入至神经网络模型中，基于第一动作数据得到预测动作价值；将第二状态数据输入至神经网络模型中，得到第二状态数据对应的第二动作数据的目标动作价值；根据预测动作价值及目标动作价值，更新神经网络模型的权重，以根据更新后的权重训练神经网络模型。