[發(fā)明專(zhuān)利]機(jī)器學(xué)習(xí)模型訓(xùn)練方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010415277.6
• 申請(qǐng)日: 2020-05-15
• 公開(kāi)（公告）號(hào): CN113673706A
• 公開(kāi)（公告）日: 2021-11-19
• 發(fā)明（設(shè)計(jì)）人: 孫國(guó)欽;蔡?hào)|佐;林子甄;李宛真;郭錦斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 富泰華工業(yè)（深圳）有限公司;鴻海精密工業(yè)股份有限公司
• 主分類(lèi)號(hào): G06N20/00
• 分類(lèi)號(hào): G06N20/00;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 薛曉偉

本發(fā)明涉及一種機(jī)器學(xué)習(xí)模型訓(xùn)練方法、裝置及電子設(shè)備。所述方法包括：接收用戶選擇的待處理的問(wèn)題類(lèi)型；確定與所述問(wèn)題類(lèi)型相對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型；接收用戶輸入的樣本數(shù)據(jù)對(duì)確定出的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練；分析訓(xùn)練完成后得到的所述機(jī)器學(xué)習(xí)模型的訓(xùn)練結(jié)果，將符合預(yù)設(shè)條件的訓(xùn)練結(jié)果進(jìn)行顯示；及將符合預(yù)設(shè)條件的訓(xùn)練結(jié)果所對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型提供給用戶。本案能夠使得用戶根據(jù)問(wèn)題類(lèi)型快速確定出對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型，簡(jiǎn)化了選擇機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的過(guò)程，并提高了機(jī)器學(xué)習(xí)模型的訓(xùn)練效率。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)領(lǐng)域，具體涉及一種機(jī)器學(xué)習(xí)模型訓(xùn)練方法、裝置及電子設(shè)備。

背景技術(shù)

目前，由于機(jī)器學(xué)習(xí)種類(lèi)有多種，例如包括隨機(jī)森林、SVM、樸素貝葉斯、knn、gbdt、xgboost、LR等，本領(lǐng)域人員在使用機(jī)器學(xué)習(xí)模型對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)難以選擇合適的機(jī)器學(xué)習(xí)模型而導(dǎo)致訓(xùn)練結(jié)果較差，不符合要求，需要重新選擇模型進(jìn)行訓(xùn)練的問(wèn)題。然而，重復(fù)訓(xùn)練機(jī)器學(xué)習(xí)模型又花費(fèi)太多時(shí)間和成本，嚴(yán)重影響機(jī)器學(xué)習(xí)模型的訓(xùn)練工作進(jìn)度。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提出一種機(jī)器學(xué)習(xí)模型訓(xùn)練方法、裝置及電子設(shè)備，以簡(jiǎn)化選擇機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的過(guò)程，提高機(jī)器學(xué)習(xí)模型的訓(xùn)練效率。

本申請(qǐng)的第一方面提供一種機(jī)器學(xué)習(xí)模型訓(xùn)練方法，所述方法包括：

接收用戶選擇的待處理的問(wèn)題類(lèi)型；

確定與所述問(wèn)題類(lèi)型相對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型；

接收用戶輸入的樣本數(shù)據(jù)對(duì)確定出的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練；

分析訓(xùn)練完成后得到的所述機(jī)器學(xué)習(xí)模型的訓(xùn)練結(jié)果，將符合預(yù)設(shè)條件的訓(xùn)練結(jié)果進(jìn)行顯示；及

將符合預(yù)設(shè)條件的訓(xùn)練結(jié)果所對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型提供給用戶。

優(yōu)選地，所述確定與問(wèn)題類(lèi)型相對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型包括：

通過(guò)所確定的問(wèn)題類(lèi)型查找類(lèi)型與模型關(guān)系表確定出與所述問(wèn)題類(lèi)型對(duì)應(yīng)的機(jī)器學(xué)習(xí)模型，其中所述類(lèi)型與模型關(guān)系表定義了多個(gè)問(wèn)題類(lèi)型與多個(gè)機(jī)器學(xué)習(xí)模型的對(duì)應(yīng)關(guān)系。

優(yōu)選地，所述樣本數(shù)據(jù)類(lèi)別至少包括第一樣本類(lèi)別及第二樣本類(lèi)別，所述接收用戶輸入的樣本數(shù)據(jù)對(duì)確定出的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練包括：

獲取正樣本的樣本數(shù)據(jù)及負(fù)樣本的樣本數(shù)據(jù)，并將正樣本的樣本數(shù)據(jù)標(biāo)注樣本類(lèi)別，以使正樣本的樣本數(shù)據(jù)攜帶樣本類(lèi)別標(biāo)簽；

將所述正樣本的樣本數(shù)據(jù)及所述負(fù)樣本的樣本數(shù)據(jù)隨機(jī)分成第一預(yù)設(shè)比例的訓(xùn)練集和第二預(yù)設(shè)比例的驗(yàn)證集，利用所述訓(xùn)練集訓(xùn)練所述機(jī)器學(xué)習(xí)模型，并利用所述驗(yàn)證集驗(yàn)證訓(xùn)練后的所述機(jī)器學(xué)習(xí)模型的準(zhǔn)確率；及

若所述準(zhǔn)確率大于或者等于預(yù)設(shè)準(zhǔn)確率時(shí)，則結(jié)束訓(xùn)練；若所述準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率時(shí)，則增加正樣本數(shù)量及負(fù)樣本數(shù)量以重新訓(xùn)練所述機(jī)器學(xué)習(xí)模型直至所述準(zhǔn)確率大于或者等于預(yù)設(shè)準(zhǔn)確率。

優(yōu)選地，所述訓(xùn)練結(jié)果為準(zhǔn)確率、精確率或網(wǎng)絡(luò)大小，與所述準(zhǔn)確率對(duì)應(yīng)的預(yù)設(shè)條件為所述準(zhǔn)確率大于第一預(yù)設(shè)值，與所述精確率對(duì)應(yīng)的預(yù)設(shè)條件為所述精確率大于第二預(yù)設(shè)值，與所述網(wǎng)絡(luò)大小對(duì)應(yīng)的預(yù)設(shè)條件為所述機(jī)器學(xué)習(xí)模型的網(wǎng)絡(luò)層數(shù)小于第三預(yù)設(shè)值。

優(yōu)選地，所述機(jī)器學(xué)習(xí)模型包括多個(gè)卷積層、多個(gè)最大池采樣層、全連接層，其中，所述多個(gè)卷積層和所述多個(gè)最大池采樣層交替連接組成，所述多個(gè)最大池采樣層用于對(duì)所述樣本數(shù)據(jù)進(jìn)行特征提取得到特征向量，所述多個(gè)全連接層相互連接，所述多個(gè)最大池采樣層中的最后一個(gè)最大池采樣層與多個(gè)所述全連接層的第一全連接層連接，用于向所述第一全連接層輸入經(jīng)過(guò)特征提取得到的特征向量，多個(gè)所述全連接層中的最后一個(gè)全連接層為一個(gè)分類(lèi)器，所述分類(lèi)器用于對(duì)所述特征向量進(jìn)行分類(lèi)得到檢測(cè)結(jié)果。