一种基于多任务学习的不平衡回归问题解决方法

本发明适用于数据驱动技术领域，提供了一种基于多任务学习的不平衡回归问题解决方法。本发明通过多任务学习框架，有效利用辅助任务的知识，显著提升主任务在不平衡数据条件下的预测准确性；利用辅助任务提供的额外信息和约束，使得模型在数据稀缺的区域能够更好地学习，从而缓解不平衡数据带来的挑战；结合自适应梯度缩放与动态调整损失函数权重，有效平衡了不同任务在训练过程中的梯度贡献，提高了训练过程的稳定性和收敛速度；在训练后，本发明支持修剪辅助任务分支，使模型大小与单任务学习模型大小相当。这种精简能力确保了多任务学习方法在实际应用中的高效性和资源友好性，适合在资源受限的环境中部署。