个性化的机器学习模型制造技术

机器学习可以针对个人计算设备的个体用户进行个性化，并且能够用于增加机器学习预测的精确性和速度，和/或降低存储器占用。对机器学习进行个性化可以包括选择机器学习模型的子集以载入到存储器中。这样的选择是至少部分地基于由个人计算设备本地地收集的信息的。对机器学习进行个性化可以另外地或可替代地包括，至少部分地基于由个人计算设备本地地收集的信息来调整机器学习模型的分类阈值。此外，对机器学习进行个性化可以另外地或可替代地包括至少部分地基于由个人计算设备本地地收集的信息来对可以由应用访问的机器学习模型的特征输出进行标准化。

【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
机器学习涉及可以从经验中自动地进行学习的各种算法。这些算法的基础是建立在数学和统计学上的，可以采用这些算法来对事件进行预测、对实体进行分类、对问题进行诊断、以及对函数近似进行建模等(仅指出若干示例)。尽管有各种产品可以用于将机器学习并入到计算机化的系统中，但是这些产品当前不能提供好的方法来对通用的机器学习模型进行个性化而不危及用户的个人或私人信息。例如，可以配置机器学习模型以供一般使用但不用于个体用户。这样的模型可以出于训练的目的而使用去标识的数据，但是不考虑个体用户的个人或私人信息。该情况可能会导致相对慢的运行速度和相对大的存储器占用。
技术实现思路
本公开部分地描述了用于个性化对个人计算设备的个体用户的机器学习而不危及个体用户的私人或个人信息的技术和架构。在本文中所描述的技术可以用于增加机器学习预测准确性和速度，并且降低存储器占用，除此之外还有其他益处。对机器学习进行个性化可以在个人计算设备上本地地执行，并且可以包括选择机器学习模型的子集以载入到存储器中。这样的选择可以是至少部分地基于由个人计算设备本地地收集的关于用户的信息的。对机器学习进行个性化可以另外地或可替代地包括，至少本文档来自技高网...

【技术保护点】
一种方法，包括：由客户端设备引起应用的执行；由所述客户端设备本地地收集与所述应用相关联的信息；至少部分地基于由所述客户端设备本地地收集的所述信息，对能够由所述应用访问的机器学习模型的特征输出进行标准化；以及选择所述机器学习模型的子集以载入到存储器中，其中，所述选择是至少部分地基于由所述客户端设备本地地收集的所述信息的，并且其中，所述机器学习模型的子集包括少于全部的所述机器学习模型。

【技术特征摘要】
【国外来华专利技术】2013.12.13 US 14/105,6501.一种方法，包括：由客户端设备引起应用的执行；由所述客户端设备本地地收集与所述应用相关联的信息；至少部分地基于由所述客户端设备本地地收集的所述信息，对能够由所述应用访问的机器学习模型的特征输出进行标准化；以及选择所述机器学习模型的子集以载入到存储器中，其中，所述选择是至少部分地基于由所述客户端设备本地地收集的所述信息的，并且其中，所述机器学习模型的子集包括少于全部的所述机器学习模型。2.根据权利要求1所述的方法，其中，对所述机器学习模型的所述特征输出进行标准化还包括：将所述特征输出的分类边界与另一个客户端设备中的机器学习模型的另一个特征输出的分类边界对齐。3.根据权利要求1所述的方法，其中，对所述机器学习模型的所述特征输出进行标准化生成标准化的输出，并且还包括：从所述客户端设备外部接收去标识的数据；以及将所述标准化的输出与所述去标识的数据聚合在一起。4.根据权利要求1所述的方法，其中，所述机器学习模型的所述特征输出是响应于经过至少预先确定的时间所述客户端设备的用户的行为模式的。5.一种系统，包括：一个或多个处理器；以及存储指令的存储器，其中，当所述指令由所述一个或多个处理器执行时，配置所述一个或多个处理器执行以下操作，包括：执行应用；由所述系统本地地收集与所述应用相关联的信息；至少部分地基于由所述系统本地地收集的所述信息来调整能够由所述应用访问的机器学习模型的分类阈值；以及选择所述机器学习模型的子集以载入到存储器中，其中，所述选择是至少部分地基于...

【专利技术属性】
技术研发人员：缪旭，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国;US