[發明專利]預測流程模型的生成方法、裝置、存儲介質和電子設備

有效

• 申請號: 201811625614.3
• 申請日: 2018-12-28
• 公開（公告）號: CN109800887B
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 張延鳳
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 李鵬;魏嘉熹

本公開涉及一種預測流程模型的生成方法、裝置、存儲介質和電子設備，該方法包括：對原始訓練數據進行數據轉化，以生成多個轉化特征數據，數據轉化方式包括針對于無規律數據的處理模型和針對于有規律數據的處理規則；通過特征評估算法對全量特征數據進行評估，以確定有效特征數據；通過有效特征數據對從模型庫中提取出的多個算法模型進行訓練，以獲取該多個算法模型組合出的機器學習模型；對該機器學習模型和該處理規則進行拼裝，以生成預測流程模型。能夠在對訓練數據進行探索和處理的過程中記錄規律性數據對應的處理規則，并對所有特征數據進行篩選，生成兼具處理規則和機器學習模型的預測流程，在提高預測精度的同時拓寬預測模型的適用范圍。

技術領域

本公開涉及機器學習領域，具體地，涉及一種預測流程模型的生成方法、裝置、存儲介質和電子設備。

背景技術

機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析以及算法復雜度理論等多個領域。開發機器學習模型需要一個耗時的并由專家驅動的工作流程，這個流程包括數據準備、特征選擇、模型或參數選擇、訓練以及調優等，因此，機器學習的使用門檻到目前為止依然很高。通過自動化機器學習可以降低機器學習的門檻，自動化機器學習使用許多不同的統計和深度學習技術，旨在使復雜的機器學習模型開發工程實現自動化。相關技術中，在對機器學習模型進行自動化建模時，通常需要以現有訓練數據中的所有特征為依據從模型庫中選取適當的模型，進而對選取的模型進行訓練，再將訓練好的模型投入使用。這種建模方式只是對訓練數據的整體進行一個模糊的評價，進而選擇適當的模型組合生成對應的機器學習模型，欠缺對訓練數據中不同類型的特征數據的探索和篩選。這會導致訓練出的機器學習模型不能夠適用于對規律性數據的描述性分析任務，并且對于預測性的數據分析任務的預測精度也較低。

發明內容

為克服相關技術中存在的問題，本公開的目的是提供一種預測流程模型的生成方法、裝置、存儲介質和電子設備。

為了實現上述目的，根據本公開實施例的第一方面，提供一種預測流程模型的生成方法，所述方法包括：

對原始訓練數據進行數據轉化處理，以生成用于描述所述原始訓練數據的多個轉化特征數據，所述數據轉化處理的處理方式包括針對于無規律特征數據的處理模型以及針對于有規律特征數據的處理規則；

通過預設的特征評估算法對全量特征數據進行評估，以確定所述全量特征數據中的有效特征數據，所述全量特征數據包括所述原始訓練數據和所述多個轉化特征數據；

通過所述有效特征數據對從模型庫中提取出的多個算法模型進行訓練，以獲取所述多個算法模型組合出的第一機器學習模型；

對所述第一機器學習模型以及模型訓練腳本中記錄的所述處理規則進行拼裝，以生成預測流程模型。

可選的，所述模型訓練腳本還用于記錄所述第一機器學習模型的訓練步驟，在所述通過所述第一機器學習模型以及模型訓練腳本中記錄的所述處理規則，生成預測流程模型之后，所述方法還包括：

每隔預設時間間隔，針對于所述預設時間間隔內更新的訓練數據和所述原始訓練數據重新執行所述訓練步驟，以訓練出第二機器學習模型，所述訓練步驟至少包括：轉化特征數據生成步驟、特征數據評估步驟以及算法模型組合步驟；

通過所述第二機器學習模型替換所述第一機器學習模型，以對所述預測流程模型進行更新。

可選的，所述通過數據轉化方式對原始訓練數據進行處理，以生成用于描述所述原始訓練數據的多個轉化特征數據，包括：

根據所述原始訓練數據中每組特征數據的數據特性確定所述每組特征數據對應的處理模型或處理規則，以獲取多種處理模型和多種處理規則；

通過所述每組特征數據對應的處理模型或處理規則對所述每組特征數據進行數據轉化處理，以生成所述多個轉化特征數據；