【技术实现步骤摘要】
一种机器学习模型辅助构建方法、系统、设备及介质
本公开涉及机器学习模型辅助构建
,特别是涉及一种机器学习模型辅助构建方法、系统、设备及介质。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
,并不必然构成现有技术。在实现本公开的过程中,专利技术人发现现有技术中存在以下技术问题:近年来,随着计算科学、信息技术以及计算机等的高速发展和迅速应用,相关行业使用的应用系统急速扩展,随之而来产生的数据呈现几何指数增长。这种大数据无法使用传统和常用的软件技术和工具在特定时间内完成获取、管理和处理的数据集合。其中,机器学习技术普遍被用于数据记录中挖掘出有益的价值,然而,一大难题在于缺少有效易用的机器学习工具,很多现有的机器学习平台都仅面向精通机器学习技术的使用者,因此,即便是精通机器学习技术的使用者也难以有效地操作目前的机器学习工具。实际上,要想培养出精通机器学习的技术专家,需要花费大量的时间和精力,这使得人工智能技术的应用存在较高的人才门槛。另一方面,数据模型的预测效果与模型的选择、可用的数据和特征的提取等都有关系,例如,在确定特征提取方式的过程中,往往不仅需要掌握机器学习的技术知识,还需要对实际预测问题有深入的理解,而预测问题往往结合着不同行业的不同实践经验,导致很难仅依靠技术专家来达到满意的机器学习效果。因此,如何提出相应的措施改进机器学习过程中工具的便利操作性,解决传统手动调参静态组合参数过程繁琐、耗时费力为问题,以帮助不同用户更好地执行机器学习流程是亟需解决的技术问题。
技术实现思路
为了解决现有技术的不足,本公开提供了一种机器学习模型辅助构建方法、系 ...
【技术保护点】
1.一种机器学习模型辅助构建方法,其特征是,包括:接收步骤:接收用户输入的机器学习领域关键词、待分类机器学习数据集和已知分类标签;关键词匹配步骤:将机器学习领域关键词与关键词数据库中的关键词进行逐一匹配;如果匹配成功,就表示存在领域匹配的机器学习模型,进入模型优化步骤;如果匹配失败,则表示不存在领域匹配的机器学习模型,进入推荐步骤;模型优化步骤:将领域匹配的机器学习模型对应的待调整参数名称、每个待调整参数的参数范围和每次调整的增减步长范围通过web交互页面反馈给用户;接收用户输入的重新设置后的待调整参数和增减步长;基于用户输入的重新设置后的待调整参数和增减步长,对领域匹配的机器学习模型的参数进行优化,输出参数后化后的机器学习模型;推荐步骤:将其他领域若干个预设推荐的机器学习模型通过web交互页面反馈给用户。
【技术特征摘要】
1.一种机器学习模型辅助构建方法,其特征是,包括:接收步骤:接收用户输入的机器学习领域关键词、待分类机器学习数据集和已知分类标签;关键词匹配步骤:将机器学习领域关键词与关键词数据库中的关键词进行逐一匹配;如果匹配成功,就表示存在领域匹配的机器学习模型,进入模型优化步骤;如果匹配失败,则表示不存在领域匹配的机器学习模型,进入推荐步骤;模型优化步骤:将领域匹配的机器学习模型对应的待调整参数名称、每个待调整参数的参数范围和每次调整的增减步长范围通过web交互页面反馈给用户;接收用户输入的重新设置后的待调整参数和增减步长;基于用户输入的重新设置后的待调整参数和增减步长,对领域匹配的机器学习模型的参数进行优化,输出参数后化后的机器学习模型;推荐步骤:将其他领域若干个预设推荐的机器学习模型通过web交互页面反馈给用户。2.如权利要求1所述的方法,其特征是,如果用户对选择的机器学习模型进行优化,则返回接收步骤。3.如权利要求1所述的方法,其特征是,所述基于用户输入的重新设置后的待调整参数和增减步长,对领域匹配的机器学习模型的参数进行优化,输出参数后化后的机器学习模型;具体步骤包括:待分类的机器学习数据集和已知分类标签均输入到重新设置后的领域匹配的机器学习模型中进行训练,输出每次训练后的分类准确率和计算速度;反复训练,直至得到分类准确率最高的机器学习模型和计算速度最快的机器学习模型,将分类准确率最高的机器学习模型和计算速度最快的机器学习模型通过web交互页面反馈给用户;根据用户最终选择指令,将对应的机器学习模型发送给客户端;结束。4.如权利要求1所述的方法,其特征是,将其他领域若干个预设推荐的机器学习模型通过web交互页面反馈给用户步骤之后,还包括:根据用户输入的选择指令,从若干个预设推荐的机器学习模型中选择若干个机器学习模型;将机器学习数据集输入到被选择的每个机器学习模型中进行训练,输出被选择的每个机器学习模型的分类准确率和计算速度;将分类准确率最高的机器学习模型通过web交互页面反馈给用户;将计算速度最快的机器学习模型通过web交互页面反馈给用户;根据用户最终选择指令,将对应的机器学习模型发送给客户端;结束。5.如权利要求1所述的方法,其特征是,步骤S4还包括:web交互页面接收用户对web交互页面算法组件的选择指令,根据对web交互页面算法组件的选择指令自主创建的机器学习模型。6.如权利要求1所述的方法,其特征是,所述web交互页面算法组件,包括以下组件的一种或多种:数据预处理组件、特征提取组件、分类算法组件、聚类算法组件、回归算法组件、推荐算法组件。7...
【专利技术属性】
技术研发人员:刘士军,杨震,潘丽,徐奎,杨承磊,郭威,刘帆,郭芳芳,魏蕊蕊,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。