[發明專利]執行自動機器學習過程的方法、裝置及設備

在審

• 申請號: 202010307807.5
• 申請日: 2020-04-17
• 公開（公告）號: CN111611240A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 呂自薈;王昱森;岳凌;郭夏瑋;郭朕;張宇;谷宇晨
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/25;G06K9/62;G06N20/00
• 代理公司: 北京博雅睿泉專利代理事務所(特殊普通合伙) 11442
• 代理人: 馬鐵良

1.一種執行自動機器學習過程的方法，包括：

提供相互獨立的模型訓練算子和模型預測算子；

基于訓練數據，利用所述模型訓練算子來訓練機器學習模型；以及，

利用所述模型預測算子和訓練出的所述機器學習模型，針對預測數據提供預測服務。

2.根據權利要求1所述的方法，其中，所述方法還包括獲得所述模型訓練算子的步驟，包括：

根據編輯所述模型訓練算子的操作，提供編輯界面；

獲取通過所述編輯界面輸入的算子內容，其中，所述算子內容包括對輸入的訓練數據進行數據預處理的操作命令、針對數據預處理后的訓練數據進行特征工程的操作命令、及根據特征工程的結果進行模型訓練的操作命令；

封裝所述算子內容，得到所述模型訓練算子。

3.根據權利要求1所述的方法，其中，所述基于訓練數據，利用所述模型訓練算子來訓練機器學習模型，包括：

響應于針對所述模型訓練算子的觸發操作，提供進行關于模型訓練的配置的配置界面；

根據通過所述配置界面輸入的配置信息，對所述訓練數據進行數據預處理和特征工程處理，獲得訓練樣本；

利用至少一種模型訓練算法，基于所述訓練樣本來訓練出機器學習模型。

4.根據權利要求3所述的方法，其中，所述配置界面包括以下至少一個配置項：機器學習模型的輸入源配置項、機器學習模型的適用問題類型配置項、訓練機器學習模型的算法模式配置項、機器學習模型的優化目標配置項、及機器學習模型的預測目標字段的字段名配置項。

5.根據權利要求3所述的方法，其中，所述對所述訓練數據進行數據預處理包括以下各項之中的至少一項：

第一項，對所述訓練數據進行數據類型轉換；

第二項，對所述訓練數據進行采樣；

第三項，將所述訓練數據標注為有標簽數據和無標簽數據；

第四項，自動識別所述訓練數據的數據字段類型；

第五項，對所述訓練數據進行缺失值填充；

第六項，對所述訓練數據中的初始時間字段進行解析，獲得并添加新的時間字段，且刪除所述初始時間字段；

第七項，自動識別所述訓練數據中的非數值數據，并對所述非數值數據進行哈希處理。

6.根據權利要求3所述的方法，其中，所述對所述訓練數據進行數據預處理和特征工程處理，獲得訓練樣本，包括：

對進行所述預處理后的訓練數據進行采樣；

對進行所述采樣后的訓練數據進行前特征選擇，獲得基礎特征；

對所述基礎特征進行特征衍生，獲得衍生特征；

根據所述基礎特征和所述衍生特征，生成訓練樣本。

7.根據權利要求6所述的方法，其中，所述對進行所述采樣后的訓練數據進行前特征選擇，獲得基礎特征，包括：

提取進行所述采樣后的訓練數據中包括的所有屬性信息，其中，所述屬性信息用于形成特征；

獲取每一所述屬性信息的特征重要性值；

根據所述特征重要性值，獲得基礎特征。

8.一種執行自動機器學習過程的裝置，包括：

交互模塊，用于提供相互獨立的模型訓練算子和模型預測算子；

機器學習模型訓練模塊，用于基于保存的訓練數據，利用所述模型訓練算子來訓練機器學習模型；以及

數據預測模塊，用于利用所述模型預測算子和訓練出的所述機器學習模型，針對收集到的預測數據提供預測服務。

9.一種包括至少一個計算裝置和至少一個存儲裝置的設備，其中，所述至少一個存儲裝置用于存儲指令，所述指令用于控制所述至少一個計算裝置執行根據權利要求1至7中任一項所述的方法。

10.一種計算機可讀存儲介質，其中，其上存儲有計算機程序，所述計算機程序在被處理器執行時實現如權利要求1至7中任一項所述的方法。