[發明專利]機器學習流程圖的生成方法及裝置、設備在審
| 申請號: | 202110351770.0 | 申請日: | 2021-03-31 |
| 公開(公告)號: | CN112884166A | 公開(公告)日: | 2021-06-01 |
| 發明(設計)人: | 李雪玉;李耀滿;方菲 | 申請(專利權)人: | 聯想(北京)有限公司 |
| 主分類號: | G06N20/00 | 分類號: | G06N20/00;G06F9/445 |
| 代理公司: | 北京派特恩知識產權代理有限公司 11270 | 代理人: | 劉歡歡;張穎玲 |
| 地址: | 100085 北京市海淀*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 機器 學習 流程圖 生成 方法 裝置 設備 | ||
1.一種機器學習流程圖的生成方法,其特征在于,所述方法包括:
確定基于第一配置模塊引導配置的第一參數,所述第一參數用于指定目標任務;其中,所述第一配置模塊包括至少一個候選任務;
確定所述目標任務關聯的第二配置模塊;
確定基于所述第二配置模塊引導配置的第二參數;
根據所述第一參數和所述第二參數,生成機器學習流程圖,所述機器學習流程圖生成的機器學習模型用于執行所述目標任務。
2.根據權利要求1所述的方法,其特征在于,所述確定基于所述第二配置模塊引導配置的第二參數,包括:
確定配置的至少一個所述樣本數據集;和/或
分析所述樣本數據集中被選中的目標屬性的特征值分布情況;其中,所述特征值分布情況用于引導配置對所述目標屬性的特征值的處理方式;和/或
確定配置的第一信息和第二信息;其中,所述第一信息用于指示指定屬性的特征值的處理方式,所述第二信息用于指示預測目標。
3.根據權利要求1所述的方法,其特征在于,所述第一配置模塊上設置有每一候選任務對應的信息;相應地,所述方法還包括:
響應于用戶操作,進一步顯示所述用戶操作指定的目標信息所對應的候選任務的注釋說明;其中,所述注釋說明用于解釋所述候選任務。
4.根據權利要求3所述的方法,其特征在于,所述注釋說明至少包括:
所述候選任務的適用場景、場景樣例、所述場景樣例的相關參數和對應的機器學習流程圖的示例。
5.根據權利要求1所述的方法,其特征在于,所述方法還包括:
接收可編輯指令;其中,所述可編輯指令用于指示編輯所述機器學習流程圖;
響應于所述可編輯指令,生成可編輯的所述機器學習流程圖。
6.根據權利要求1至5任一項所述的方法,其特征在于,所述根據所述第一參數和所述第二參數,生成機器學習流程圖,包括:
根據所述第一參數、所述第二參數和預設的默認參數,生成機器學習流程圖。
7.根據權利要求6所述的方法,其特征在于,所述第二參數還包括用以指示機器學習流程圖的生成方式的參數;
根據所述第一參數、所述第二參數和預設的默認參數,生成機器學習流程圖,包括:
在指示的生成方式為動態生成方式的情況下,根據所述第一參數、所述第二參數和預設的默認參數,生成多個不同版本的機器學習流程圖。
8.根據權利要求7所述的方法,其特征在于,所述方法還包括:
在第一窗口呈現所述多個不同版本的機器學習流程圖的標識鍵;
確定接收選擇操作的目標標識鍵;
響應于所述選擇操作,在第二窗口呈現所述目標標識鍵對應的目標機器學習流程圖和所述目標機器學習流程圖的性能參數。
9.一種機器學習流程圖的生成裝置,其特征在于,包括:
確定單元,用于確定基于第一配置模塊引導配置的第一參數,所述第一參數用于指定目標任務;其中,所述第一配置模塊包括至少一個候選任務;
所述確定單元,還用于確定所述目標任務關聯的第二配置模塊;
所述確定單元,還用于確定基于所述第二配置模塊引導配置的第二參數;
生成單元,用于根據所述第一參數和所述第二參數,生成機器學習流程圖,所述機器學習流程圖生成的機器學習模型用于執行所述目標任務。
10.一種電子設備,包括存儲器和處理器,所述存儲器存儲有可在處理器上運行的計算機程序,其特征在于,所述處理器執行所述程序時實現權利要求1至8任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于聯想(北京)有限公司,未經聯想(北京)有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110351770.0/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種螺旋壓桿式蘋果批量采收機
- 下一篇:報文組包間隔調整方法及裝置





