[发明专利]用于有监督的机器学习的计算机实现的方法和计算机系统

说明书

一种用于对图像、声音、文本或符号中选择的一种或多种数据的数据集进行处理的有监督的机器学习和归类的计算机实现的方法和计算机系统，包括：通过结合全局目标函数的维度可视化模块，将无监督的降维算法应用于数据集，该数据集包括能够视觉表示的多个数据点，以产生降维的数据集；以及通过维度可视化模块，将降维的数据集解析到用户界面模块，用于降维的数据集的视觉显示。该方法包括：接收指示数据集内至少一个数据点的分类的用户输入；由维度可视化模块将根据指示分类加权的全局目标函数应用于降维的数据集，以产生用户增强的降维的数据集；以及由维度可视化模块将用户增强的降维的数据集解析到用户界面模块，用于降维的数据集的视觉显示。

技术领域

本发明涉及数据归类和分类，并且具体涉及一种用于有监督的机器学习的计算机实现的方法和计算机系统。

背景技术

本发明涉及数据归类和分类，并且具体涉及一种用于有监督的机器学习的计算机实现的方法和计算机系统。

发明内容

本发明的一个示例实施例涉及一种用于有监督的机器学习的计算机实现的方法和计算机系统。随着计算能力的提高和学习算法变得更先进，用于分类非结构化或半结构化数据的机器学习或AI(人工智能，Artificial Intelligence)变得越来越强大和更有能力。

在该领域的一方面，非结构化数据只能通过机器学习来归类或结构化。有利的是，这可能很快，不需要人工干预。不利的是，如果非结构化数据的样本或数据点不适合由该特定算法进行归类，这可能不会导致最合适的(甚至远程可用的)结果。

在该领域的另一方面，非结构化数据只能由人类归类或结构化。有利的是，该结构化将是合适的。不利的是，这可能非常费力，甚至是不可能的，这取决于非结构化数据的性质。

本发明的示例实施例提供了一种用于有监督的机器学习和归类的计算机实现的方法和计算机系统。该方法包括由结合全局目标函数的维度可视化模块将无监督的降维算法应用于包括能够视觉表示的多个数据点的数据集，以产生降维的数据集，以及由维度可视化模块将降维的数据集解析到用户界面模块，以用于降维的数据集的视觉显示。该方法包括：由用户界面模块接收指示数据集内至少一个数据点的分类的用户输入；由维度可视化模块将根据指示的分类而加权的全局目标函数应用于降维的数据集，以产生用户增强的降维的数据集；以及由维度可视化模块将用户增强的降维的数据集解析到用户界面模块，用于降维的数据集的视觉显示。该方法包括由结合聚类功能的聚类模块对用户增强的降维的数据集进行聚类，以产生用户增强的聚类输出。

本发明的示例实施例还提供了相应的计算机系统和计算机程序产品。

附图说明

图1示出了根据本发明的实施例的用于有监督的机器学习的计算机系统的示意图；

图2示出了根据本发明的实施例的有监督的机器学习的方法的流程图；

图3示出了在更详密的实现中的图2的方法的流程图；

图4示出了在甚至更详密的实现中的图2的方法示意框图；

图5示出了根据图2的方法生成的第一用户界面；和

图6示出了根据图2的方法生成的第二用户界面。

具体的实施方式

图1示出了用于有监督的机器学习的计算机系统100。类似地，图2-图3示出了用于有监督的机器学习的计算机实现的方法200、300。示例实施例可以提供有监督的机器学习，其中机器通过以可视地便于分类或标记的方式呈现多个数据点的数据集来帮助用户，并且用户通过对数据点进行分类来帮助机器，这提供了数据点的更有意义的呈现或聚类。该过程可以是递归的或迭代的。