本发明涉及机器学习领域，提出一种提高工作机学习性能的方法、装置、设备及介质。方法包括：建立每个工作机对应的局部训练数据集，并通过高斯过程回归算法对所述局部训练数据集进行训练，以得到每个工作机对应的局部预测模型；通过服务器对所述每个工作机对应的局部预测模型的数据设置不确定性的修正项并基于rBCM聚合算法进行聚合，得到全局预测模型；将所述全局预测模型发送给所述每个工作机，并对所述每个工作机设置融合算法以及一个不确定性测试数据集合进行融合，以得到所述每个工作机对应的预测误差最小模型。本发明公开的方法可以显著提高工作机模型预测融合后最终的学习精度。