[發(fā)明專利]執(zhí)行機(jī)器學(xué)習(xí)流程的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201611113470.4
• 申請日: 2016-12-06
• 公開（公告）號: CN106779088B
• 公開（公告）日: 2019-04-23
• 發(fā)明（設(shè)計）人: 欒淑君;楊慧斌;孫迪
• 申請（專利權(quán)）人: 第四范式（北京）技術(shù)有限公司
• 主分類號: G06N99/00
• 分類號: G06N99/00;G06F3/0484;G06F16/904
• 代理公司: 北京銘碩知識產(chǎn)權(quán)代理有限公司 11286
• 代理人: 曾世驍

提供了一種執(zhí)行機(jī)器學(xué)習(xí)流程的方法及系統(tǒng)，所述方法包括：(A)向用戶展示用于配置機(jī)器學(xué)習(xí)任務(wù)的圖形界面并檢測用戶通過圖形界面執(zhí)行的輸入操作，其中，機(jī)器學(xué)習(xí)任務(wù)用于執(zhí)行機(jī)器學(xué)習(xí)流程所包括的數(shù)據(jù)處理；(B)根據(jù)檢測到的用戶通過所述圖形界面執(zhí)行的輸入操作來配置所述機(jī)器學(xué)習(xí)任務(wù)；以及(C)在不執(zhí)行配置的所述機(jī)器學(xué)習(xí)任務(wù)的情況下，推斷與所述機(jī)器學(xué)習(xí)任務(wù)有關(guān)的數(shù)據(jù)屬性信息，其中，數(shù)據(jù)屬性信息包括數(shù)據(jù)屬性字段的名稱和/或數(shù)據(jù)類型。相應(yīng)地，能夠花費(fèi)較少資源和時間而有效地得到機(jī)器學(xué)習(xí)流程中各個階段的數(shù)據(jù)屬性信息，從而改善機(jī)器學(xué)習(xí)工具的可操作性。

技術(shù)領(lǐng)域

本發(fā)明總體說來涉及人工智能領(lǐng)域，更具體地說，涉及一種執(zhí)行機(jī)器學(xué)習(xí)流程的方法及系統(tǒng)。

背景技術(shù)

隨著海量數(shù)據(jù)的出現(xiàn)，人工智能技術(shù)得到了迅速發(fā)展，其中，機(jī)器學(xué)習(xí)技術(shù)普遍被用于從海量的數(shù)據(jù)記錄(例如，金融數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等)中挖掘出有益的價值，

然而，人工智能技術(shù)應(yīng)用的一大難題在于缺少有效易用的機(jī)器學(xué)習(xí)工具，很多現(xiàn)有的機(jī)器學(xué)習(xí)平臺都僅面向精通機(jī)器學(xué)習(xí)技術(shù)的使用者，并且，由于機(jī)器學(xué)習(xí)往往所針對的是海量復(fù)雜數(shù)據(jù)和復(fù)雜數(shù)據(jù)運(yùn)算，因此，即便是精通機(jī)器學(xué)習(xí)技術(shù)的使用者也難以有效地操作目前的機(jī)器學(xué)習(xí)工具。實際上，要想培養(yǎng)出精通機(jī)器學(xué)習(xí)的技術(shù)專家，需要花費(fèi)大量的時間和精力，這使得人工智能技術(shù)的應(yīng)用存在較高的人才門檻。另一方面，機(jī)器學(xué)習(xí)模型的預(yù)測效果與模型的選擇、可用的數(shù)據(jù)和特征的提取等都有關(guān)系，例如，在確定特征提取方式的過程中，往往不僅需要掌握機(jī)器學(xué)習(xí)的技術(shù)知識，還需要對實際預(yù)測問題有深入的理解，而預(yù)測問題往往結(jié)合著不同行業(yè)的不同實踐經(jīng)驗，導(dǎo)致很難僅依靠技術(shù)專家來達(dá)到滿意的機(jī)器學(xué)習(xí)效果。可以看出，機(jī)器學(xué)習(xí)工具需要在操作性上有所改進(jìn)，以幫助不同用戶更好地執(zhí)行機(jī)器學(xué)習(xí)流程。

作為示例，Azure Machine Learning(簡稱“AML”)是微軟在其公有云Azure上推出的基于Web使用的一項機(jī)器學(xué)習(xí)服務(wù)，該產(chǎn)品的目標(biāo)是簡化使用機(jī)器學(xué)習(xí)的過程，以便于開發(fā)人員、業(yè)務(wù)分析師和數(shù)據(jù)科學(xué)家進(jìn)行廣泛、便捷地應(yīng)用。

在AML中，用戶可通過DAG(有向無環(huán)圖)來完成機(jī)器學(xué)習(xí)流程中各個機(jī)器學(xué)習(xí)任務(wù)(例如，數(shù)據(jù)導(dǎo)入、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)變換、特征抽取、模型訓(xùn)練等)的配置，其中，在用戶選擇運(yùn)行DAG中的特定頂點之后，該頂點所代表的機(jī)器學(xué)習(xí)任務(wù)將被執(zhí)行，并且，作為執(zhí)行結(jié)果而得到的數(shù)據(jù)的字段名稱被顯示在屏幕上。

具體說來，參照圖1A，在AML中建立的機(jī)器學(xué)習(xí)流程可包括諸如成人調(diào)查收入表的導(dǎo)入(Adult Census Income Binary)、選擇數(shù)據(jù)集中的列(Select Columns in Dataset)和清理丟失數(shù)據(jù)(Clean Missing Data)等機(jī)器學(xué)習(xí)任務(wù)，其中，在完成了對“選擇數(shù)據(jù)集中的列”的配置之后，可開始配置下游機(jī)器學(xué)習(xí)任務(wù)“清理丟失數(shù)據(jù)”。

然而，如圖1B中所示，由于之前的“選擇數(shù)據(jù)集中的列”這一任務(wù)沒有執(zhí)行，所以無法按照字段名稱來配置“清理丟失數(shù)據(jù)”，相應(yīng)地，在屏幕上顯示了提醒消息“將在執(zhí)行實驗之后啟用基于名稱的列選擇(Name-based column selection will be enabled afterrunning the experiment)”。

在圖1C中，可以看出，通過點擊屏幕下方的“RUN”而實際執(zhí)行了機(jī)器學(xué)習(xí)任務(wù)“選擇數(shù)據(jù)集中的列”。相應(yīng)地，在圖1D中，下游機(jī)器學(xué)習(xí)任務(wù)“清理丟失數(shù)據(jù)”變得能夠基于名稱來進(jìn)行相應(yīng)的配置。

可以看出，在AML中，在配置機(jī)器學(xué)習(xí)流程的過程中，用戶無法預(yù)先了解到任何關(guān)于經(jīng)過各個機(jī)器學(xué)習(xí)任務(wù)處理后所得到的數(shù)據(jù)字段的信息，只有在相應(yīng)機(jī)器學(xué)習(xí)任務(wù)被實際執(zhí)行之后，才能知曉結(jié)果數(shù)據(jù)的字段名稱。然而，由于機(jī)器學(xué)習(xí)過程常常涉及海量數(shù)據(jù)，執(zhí)行機(jī)器學(xué)習(xí)任務(wù)將花費(fèi)大量的時間和計算資源，這使得無法及時有效地獲取或利用各階段的數(shù)據(jù)屬性信息。

發(fā)明內(nèi)容