机器学习模型可视化建模方法、装置、设备及存储介质制造方法及图纸

本申请提供一种机器学习模型可视化建模方法、装置、设备及存储介质，涉及机器学习技术领域。所述方法包括：在建模组件中确定所建机器学习模型对应的多个指定建模组件；修改动态表单展示的多个指定建模组件的组件参数，以确定每个指定建模组件的参数设置；确定多个指定建模组件之间的连接关系，基于连接关系生成有向无环图；基于训练数据和有向无环图对应的模型流图进行模型训练，并在前端显示页面基于图可视化引擎标示当前执行训练的指定建模组件，以获得机器学习模型。则用户只需要关注建模流程和调整参数便可完成模型的开发，提高了机器学习建模自动化程度和可视化程度，从而提高了其效率和简便性。

【技术实现步骤摘要】
机器学习模型可视化建模方法、装置、设备及存储介质
本申请涉及机器学习
，具体而言，涉及一种机器学习模型可视化建模方法、装置、设备及存储介质。
技术介绍
得益于人工智能(ArtificialIntelligence，AI)的快速发展，各行各业都在基于AI技术提升自己的生产效率和业务转换率，将一些大量重复性的劳动基于AI算法应用取代，随着应用场景的不断细化，模型的开发速度赶不上需求。算法开发是一个高门槛的技术，需要有一定的算法理论知识，也需要有一定的代码能力，还得熟悉算法编程语言和一些算法开发框架，既能做算法理论突破，还能落地。由于开发难度大，同时AI人才也稀少，但是应用场景多，所以需要一种快速开发算法模型的工具，降低开发算法的门槛，提升开发算法的效率。目前市面上有一些算法建模系统，但大都是软件，需要安装，使用起来繁琐，集成的算法很有限，一些新的机器学习算法并没有集成进来，模型训练的过程无法可视化，训练每一步的结果也无法直接展示。也有一些建模系统是某一个领域的定制化，或者是把一些简单的建模流程进行了自动化，自动化的程度很低，不本文档来自技高网...

【技术保护点】
1.一种机器学习模型可视化建模方法，其特征在于，所述方法包括：/n在预设的建模组件中确定当前所建机器学习模型对应的多个指定建模组件；/n修改动态表单展示的所述多个指定建模组件的组件参数，以确定所述多个指定建模组件中的每个指定建模组件的参数设置；/n确定所述多个指定建模组件之间的连接关系，基于已完成参数设置的所述多个指定建模组件之间的所述连接关系生成有向无环图；/n基于训练数据和所述有向无环图对应的模型流图进行模型训练，并在前端显示页面基于图可视化引擎标示当前执行训练的指定建模组件，以获得所述机器学习模型。/n

【技术特征摘要】
1.一种机器学习模型可视化建模方法，其特征在于，所述方法包括：
在预设的建模组件中确定当前所建机器学习模型对应的多个指定建模组件；
修改动态表单展示的所述多个指定建模组件的组件参数，以确定所述多个指定建模组件中的每个指定建模组件的参数设置；
确定所述多个指定建模组件之间的连接关系，基于已完成参数设置的所述多个指定建模组件之间的所述连接关系生成有向无环图；
基于训练数据和所述有向无环图对应的模型流图进行模型训练，并在前端显示页面基于图可视化引擎标示当前执行训练的指定建模组件，以获得所述机器学习模型。


2.根据权利要求1所述的方法，其特征在于，在所述在预设的建模组件中确定当前所建机器学习模型对应的多个指定建模组件之前，所述方法还包括：
将机器模型建模的相关功能函数确定为建模组件，所述相关功能函数包括数据预处理、统计分析、机器学习、强化学习、文本分析和网络分析的功能函数中的至少一种；
基于所述动态表单设置每个所述建模组件的组件参数的形式；
确定每个所述建模组件的所述组件参数之间的联动性；
通过Vue.js，基于所述组件参数的形式和所述联动性实现所述每个所述建模组件的动态表单加载。


3.根据权利要求2所述的方法，其特征在于，所述基于所述动态表单设置每个所述建模组件的组件参数的形式，包括：
将每个所述建模组件的组件参数划分为字段设置、参数设置和执行调优；
分别通过一个所述动态表单展示所述字段设置、所述参数设置和所述执行调优对应的参数格式，所述参数格式由一个或多个标签组成，每个标签包括标签文本提示和标签类型。


4.根据权利要求1所述的方法，其特征在于，在所述基于训练数据和所述有向无环图对应的模型流图进行模型训练之前，所述方法还包括:
获取所述训练数据。


5.根据权利要求4所述的方法，其特征在于，所述获取所述训练数据，包括：
获取用户上传的待处理训练数据；
对所述待处理训练数据进行数据集管理处理；
对数据集管理处理后的所述待处理训练数据进行标注，以获得所述训练数据。


6.根据...

【专利技术属性】
技术研发人员：王小东，吕文勇，廖浩，沈诗豪，
申请(专利权)人：成都新希望金融信息有限公司，
类型：发明
国别省市：四川;51