用于基于元学习来选择机器学习的模型的方法和设备技术

提供了用于基于元学习来选择机器学习的模型的方法和设备。一种选择机器学习的模型的方法，所述机器学习由处理器执行。所述方法包括：接收至少一个数据集；为所述至少一个数据集的机器学习配置配置空间；从所述至少一个数据集中提取包括与所述至少一个数据集的数量信息相关的元特征；基于所述配置空间中包括的多个配置来计算所述至少一个数据集的所述机器学习的性能；基于所述元特征、所述多个配置和所计算出的性能来执行元学习；以及基于执行所述元学习的结果来优化所述配置空间。

Method and equipment for selecting machine learning model based on meta learning

【技术实现步骤摘要】
用于基于元学习来选择机器学习的模型的方法和设备相关申请的交叉引用本申请要求于2018年8月2日在韩国知识产权局提交的韩国专利申请No.10-2018-0090334的利益和优先权，该韩国专利申请的全文以引用方式整体并入本文中。
本专利技术构思涉及用于选择机器学习的模型的方法和设备，更具体地，涉及用于基于元学习来选择机器学习的模型的方法和设备。
技术介绍
机器学习广泛用于对收集的数据进行分类或用于学习可用于表征所收集数据的模型。已经开发了各种用于机器学习的技术。为了在机器学习中获得最佳学习性能，需要根据机器学习算法以适当缩略的形式，而不是原样使用所收集的数据，来学习用于机器学习的各种配置。
技术实现思路
本专利技术构思的至少一个实施例提供了一种用于选择机器学习的模型的方法和设备，更具体地，提供了一种对作为基于元学习来选择模型的基础的配置空间进行优化的方法和设备。根据本专利技术构思的示例性实施例，提供了一种选择机器学习的模型的方法，所述机器学习由处理器执行。所述方法包括：接收至少一个数据集；为所述至少一个本文档来自技高网...

【技术保护点】
1.一种选择机器学习的模型的方法，所述机器学习由处理器执行，所述方法包括：/n接收至少一个数据集；/n为所述至少一个数据集的机器学习配置配置空间；/n从所述至少一个数据集中提取包括与所述至少一个数据集的数量信息相关的元特征；/n基于所述配置空间中包括的多个配置来计算所述至少一个数据集的所述机器学习的性能；/n基于所述元特征、所述多个配置和所计算出的性能来执行元学习；以及/n基于执行所述元学习的结果来优化所述配置空间。/n

【技术特征摘要】
20180802 KR 10-2018-00903341.一种选择机器学习的模型的方法，所述机器学习由处理器执行，所述方法包括：
接收至少一个数据集；
为所述至少一个数据集的机器学习配置配置空间；
从所述至少一个数据集中提取包括与所述至少一个数据集的数量信息相关的元特征；
基于所述配置空间中包括的多个配置来计算所述至少一个数据集的所述机器学习的性能；
基于所述元特征、所述多个配置和所计算出的性能来执行元学习；以及
基于执行所述元学习的结果来优化所述配置空间。


2.根据权利要求1所述的方法，其中，所述多个配置包括与所述至少一个数据集相关的预处理相关性信息、机器学习算法相关性信息、与预处理相关的超参数相关性信息和与机器学习算法相关的超参数相关性信息中的至少一个。


3.根据权利要求2所述的方法，其中，计算所述机器学习的性能的步骤包括：
基于所述预处理相关性信息来对所述至少一个数据集执行预处理；
基于所述机器学习算法相关性信息来选择特定算法；
基于所述与预处理相关的超参数相关性信息和所述与机器学习算法相关的超参数相关性信息来选择超参数；以及
基于所选择的特定算法和所选择的超参数，通过对已经执行了预处理的所述至少一个数据集执行机器学习来导出所计算的性能。


4.根据权利要求1所述的方法，其中，执行所述元学习的步骤包括：针对响应于所述元特征和所述多个配置的输入而输出所计算的性能的特定关系来执行所述机器学习。


5.根据权利要求1所述的方法，还包括在元数据库中存储所述元特征、所述多个配置和所计算出的性能。


6.根据权利要求5所述的方法，其中，执行所述元学习的步骤包括：基于存储在所述元数据库中的所述元特征、所述多个配置和所计算出的性能，来执行所述元学习。


7.根据权利要求1所述的方法，其中，优化所述配置空间的步骤包括：基于执行所述元学习的结果来排除所述配置空间中的一些配置空间。


8.根据权利要求7所述的方法，其中，执行所述元学习的步骤包括：
根据所述多个配置导出经验均值和所计算的性能的方差；以及
基于所述经验均值和所计算的性能的所述方差，导出所述多个配置中的每一个配置的期望改善值和期望恶化值；
其中，优化所述配置空间的步骤包括：基于所述期望改善值和所述期望恶化值来排除所述配置空间中的一些配置空间。


9.根据权利要求8所述的方法，其中，优化所述配置空间的步骤包括：当所述期望恶化值除以所述期望改善值的值大于特定值时，从所述配置空间中排除与所述期望改善值和所述期望恶化值相对应的配置。


10.根据权利要求1所述的方法，其中，接收所述至少一个数据集的步骤包括：接收包括半导体相关性信息的至少一个数据集；并且提取所述元特征的步骤包括：提取与所述半导体相关性信息相关联的元特征。


11.根据权利要求10所述的方法，其中，提取与所述半导体相关性信息相关联的元特征的步骤包括：提取所述配置空间中的与所述半导体相关性信息所关联的平滑度相对应的元特征、所述配置空间中的与所述半导体相关性信息所关联的分布密度相对应的元特征、以及与所述半导体相关性信息所关联的统计数据相对应的元特征中的至少一个。


12.一...

【专利技术属性】
技术研发人员：高汀勋，李在浚，金成帝，许仁，郑椙旭，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR