机器学习模型的自动化上线运行、装置及电子设备制造方法及图纸

本申请涉及一种机器学习模型的自动化上线运行方法、装置、电子设备及计算机可读介质。该方法包括：获取待上线的机器学习模型的模型链信息；根据所述模型链信息获取所述机器学习模型的输入项；依据所述输入项使得所述机器学习模型在辅助系统中进行试运行，生成试运行数据；在所述试运行数据满足预设策略时，对所述机器学习模型进行模型部署以使其上线运行。本申请涉及的机器学习模型的自动化上线运行、装置、电子设备及计算机可读介质，能够实现机器学习模型的全自动化精准上线流程，减少计算压力，减少对上下游系统的依赖度，极大降低人力成本。成本。成本。

【技术实现步骤摘要】
机器学习模型的自动化上线运行、装置及电子设备


[0001]本申请涉及计算机信息处理领域，具体而言，涉及一种机器学习模型的自动化上线运行方法、装置、电子设备及计算机可读介质。

技术介绍

[0002]在一个机器学习模型训练完毕后，需要将其顺利的部署到实际生产环境中，进行实际运算和验证。在模型上线部署的过程中，需要很多开发人员的支持：模型开发人员主要是根据业务需求，基于离线数据构建风控模型，并负责模型部署、监控、维护等；策略开发人员主要是根据离线预测的模型分数，制订相应的风控策略方案，配置策略包等；环境开发人员主要是支持底层数据源接入、问题排查、上线部署、平台搭建等工作。
[0003]虽然，随着机器学习的广泛应用，越来越多的工具辅助将训练好的机器学习的模型部署到生产环境，但是，模型的上线过程涉及数据采集开始，经历数据分析，数据变形，数据验证，数据拆分，训练，模型创建，模型验证，大规模训练，模型发布，到提供服务，监控和日志等等，如此繁杂的工作流程和验证环节也给模型的部署带来了不同的挑战。
[0004]因此，需要一种新的机器学习模型的自动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习模型的自动化上线运行方法，其特征在于，包括：获取待上线的机器学习模型的模型链信息；根据所述模型链信息获取所述机器学习模型的输入项；依据所述输入项使得所述机器学习模型在辅助系统中进行试运行，生成试运行数据；在所述试运行数据满足预设策略时，对所述机器学习模型进行模型部署以使其上线运行。2.如权利要求1所述的方法，其特征在于，还包括：根据产品类别和/或产品阶段和/或模型时序和/或模型规则将多个机器学习模型划分为多条模型链，其中，每条模型链中包含至少一个机器学习模型；生成多条模型链对应的特征类别；基于实时业务数据和所述特征类别生成多条模型链的基础输入项。3.如权利要求2所述的方法，其特征在于，生成多条模型链对应的特征类别，包括：基于每条模型链提取其包含的至少一个机器学习模型的模型输入项；从至少一个机器学习模型的模型输入项中提取特征数据；将所述特征数据按照预设类别进行整理以生成所述模型链对应的特征类别。4.如权利要求2所述的方法，其特征在于，基于实时业务数据和所述特征类别生成多条模型链的基础输入项，包括：根据所述特征类别由所述实时业务数据中提取用户特征；基于并行计算方式对用户特征进行计算以生成多条模型链中每个特征类别对应的基础输入项；将多条模型链中每个特征类别对应的基础输入项存储在本地缓存中。5.如权利要求4所述的方法，其特征在于，根据所述模型链信息获取所述机器学习模型的输入项，包括：基于所述模型链信息在本地缓存中获取基础输入项；根据所述机器学习模型的模型特征将所述基础输入项进行组装，生成所述输入项。6.如权利要求1所述的方法，其特征在于，依据所述输入项使得所述机器学习模型在辅助系统中进行试运行，生成试运行数据，包括：将所述机器学习模型设置在辅助系统中；将所述输入项输入所述机器学习模型中进行计算，生成计算结果；基于实时业务数据对所述计算结果进行验证，生成验证结果；根据计算结果和所述验证结果生成所述试运行数据。7.如权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：袁风帆，宋荣鑫，黄建庭，雷柴卫，周斌，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：