[发明专利]机器学习建模过程的实现方法和系统

说明书

提供了一种机器学习建模过程的实现方法和系统。获取用户针对至少部分机器学习建模过程设定的配置信息，所述配置信息用于表征所述至少部分机器学习建模过程的执行策略，所述配置信息包括执行策略已确定的第一部分和执行策略待确定的第二部分；利用自动机器学习技术确定所述第二部分的执行策略；基于所述第一部分的执行策略和所确定的所述第二部分的执行策略，执行所述至少部分机器学习建模过程，得到与所述至少部分机器学习建模过程对应的结果。由此，通过结合人与机器的优势，可以大大提高机器学习过程的实现效率。

技术领域

本发明总体说来涉及机器学习领域，更具体地说，涉及一种机器学习建模过程的实现方法，机器学习建模过程的实现系统和存储介质。

背景技术

在传统机器学习建模过程中，需要机器学习专家人工确定所有决策。确定决策的过程往往依赖于人的机器学习经验以及对业务的理解，并且经常需要进行穷举与试错。这一方面需要专门的机器学习人才，另一方面需要大量的人力资源。而在决策空间较大的场景中，通过人工的方式往往无法有效地找到较优的决策。总而言之，传统机器学习建模过程需要专门的人才，消耗大量人力且效率低下。

自动机器学习(AutoML)技术的目的是使用自动化的数据驱动方式来确定机器学习解决方案。自动机器学习技术虽然能够在一定程度上解决传统机器学习对机器学习人才需求量大、人力资源消耗大的问题，但是现有的自动机器学习技术的搜索效率有限，在计算资源受限、决策空间较大、数据量较大的场景中很难获得较好效果。

发明内容

本发明的示例性实施例旨在克服现有的自动机器学习算法的效率低下问题。

根据本发明的第一个方面，提出了一种机器学习建模过程的实现方法，包括：获取用户针对至少部分机器学习建模过程设定的配置信息，配置信息用于表征至少部分机器学习建模过程的执行策略，配置信息包括执行策略已确定的第一部分和执行策略待确定的第二部分；利用自动机器学习技术确定第二部分的执行策略；基于第一部分的执行策略和所确定的第二部分的执行策略，执行至少部分机器学习建模过程，得到与至少部分机器学习建模过程对应的结果。

可选地，利用自动机器学习技术确定第二部分的执行策略的步骤包括：对第二部分的决策空间中多个取值不同的执行策略进行评测，决策空间用于表征第二部分的执行策略的取值集合；将评测结果较好的执行策略确定为第二部分的执行策略。

可选地，对第二部分的决策空间中多个取值不同的执行策略进行评测的步骤包括：按照第一部分的执行策略以及赋值后的第二部分的执行策略，执行至少部分机器学习建模过程，得到与至少部分机器学习建模过程对应的结果；对结果进行评测；根据评测结果重新为第二部分的执行策略赋值；重复上述流程，直到满足预定条件，得到所述第二部分的多个取值不同的执行策略的评测结果。

可选地，该方法还包括：获取数据描述信息，数据描述信息描述了一种或多种数据、数据的属性以及数据和/或属性的关系；基于数据描述信息，得到用于结构化地表征数据、属性以及关系的数据模型。

可选地，该方法还包括：向用户输出建议信息，建议信息用于表征针对数据模型的可行操作。

可选地，数据描述信息是用户基于第一规则语言编写的，基于数据描述信息，得到用于结构化地表征数据、属性以及关系的数据模型的步骤包括：使用能够识别第一规则语言的读取函数读取数据描述信息，并基于数据描述信息得到数据模型。

可选地，配置信息是用户根据数据模型设定的，配置信息用于表征基于数据模型所表征的数据和/或属性实现至少部分机器学习建模过程的执行策略。