[发明专利]机器学习模型的训练方法、训练装置和训练系统

说明书

本申请提出一种机器学习模型的训练方法、训练装置和训练系统，其中，机器学习模型运行在执行机，方法包括：建议器获取机器学习模型各参数的取值范围；建议器在各参数的取值范围内，确定相应参数的初始值；建议器控制执行机将各参数调整为初始值，并从执行机获取模型评估值；其中，模型评估值，用于指示参数调整后的机器学习模型的性能；建议器循环执行参数调整过程，直至机器学习模型训练结束；其中，参数调整过程包括根据从执行机获取的模型评估值，在各参数的取值范围内重新确定各参数的取值，并控制执行机相应进行参数调整，重新获取模型评估值。该方法能够提升机器学习模型训练的灵活性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种机器学习模型的训练方法、训练装置和训练系统。

背景技术

目前，自动建模装置包括两部分，分别为建议器部分和执行机部分。其中，执行机部分内置了常见机器学习模型，例如LR、SVM、随机森林、xgboost等算法，建议器部分用于调优执行机中机器学习模型的参数。自动建模时，建议器根据执行机之前的反馈，生成一组新的参数；执行机利用新生成的参数，训练一个机器学习模型，然后验证该机器学习模型效果，并将验证结果反馈给建议器。上述过程不断迭代，执行机训练出来的机器学习模型的效果越来越优。

然而，由于建议器部分与执行机部分强耦合，不可分，导致用户很难添加自定义算法，无法根据自己的业务场景定制，灵活性和适用性较低。

发明内容

本申请提出一种机器学习模型的训练方法、训练装置和训练系统，以实现通过为建议器设定各参数的取值范围，以及由执行机自行评估模型的性能，可以使得建议器与执行机解耦，执行机在进行模型训练时，可以不依赖于运行特定参数调整算法的建议器，提升该训练方法的灵活性和适用性。

本申请第一方面实施例提出了一种机器学习模型的训练方法，所述机器学习模型运行在执行机，所述方法包括：

建议器获取所述机器学习模型各参数的取值范围；

所述建议器在各参数的取值范围内，确定相应参数的初始值；

所述建议器控制所述执行机将各参数调整为所述初始值，并从所述执行机获取模型评估值；其中，所述模型评估值，用于指示参数调整后的机器学习模型的性能；

所述建议器循环执行参数调整过程，直至所述机器学习模型训练结束；其中，所述参数调整过程包括根据从所述执行机获取的模型评估值，在各参数的取值范围内重新确定各参数的取值，并控制所述执行机相应进行参数调整，重新获取所述模型评估值。

本申请实施例的机器学习模型的训练方法，通过建议器获取机器学习模型各参数的取值范围，并在各参数的取值范围内，确定相应参数的初始值，而后，控制执行机将各参数调整为初始值，并从执行机获取模型评估值，之后，循环执行参数调整过程，直至机器学习模型训练结束；其中，参数调整过程包括根据从执行机获取的模型评估值，在各参数的取值范围内重新确定各参数的取值，并控制执行机相应进行参数调整，重新获取模型评估值。本申请中，通过为建议器设定各参数的取值范围，以及由执行机自行评估模型的性能，可以使得建议器与执行机解耦，执行机在进行模型训练时，可以不依赖于运行特定参数调整算法的建议器，提升该训练方法的灵活性和适用性。

本申请第二方面实施例提出了一种机器学习模型的训练装置，所述机器学习模型运行在执行机，所述装置包括：

获取模块，用于获取所述机器学习模型各参数的取值范围；

确定模块，用于在各参数的取值范围内，确定相应参数的初始值；

控制模块，用于控制所述执行机将各参数调整为所述初始值，并从所述执行机获取模型评估值；其中，所述模型评估值，用于指示参数调整后的机器学习模型的性能；