[发明专利]一种交互式的迭代建模系统及方法

说明书

本发明提供一种交互式的迭代建模系统及方法，方法包括以下步骤：步骤1：导入数据；步骤2：数据预处理；步骤3：选择模型参数；步骤4：自动化配置；步骤5：训练模型，步骤6：迭代建模；步骤7：结束建模。该方法通过对模型本身的分析，把训练模型的过程变得是可以交互的，可以不断地基于现有模型快速优化的过程，这使得每一次模型训练不再独立，而是变成一种迭代过程，每一次的迭代，模型的效果都可以更优，从而提高了训练模型的效率，在更短的时间内训练出更好的模型。且实现简单、可靠性强、便于广泛推广。

技术领域

本发明涉及机器人学习领域，本发明特别涉及了一种建模系统及方法。

背景技术

当前人工智能是计算机领域里的发展重点，二机器学习则是人工智能的核心。机器学习主要研究如何利用算法让计算机模拟人的学习方式，使得计算机可以从数据中总结规律，发现新知识，进而用这些规律或者知识去预测未来的时间和行为等。和传统的基于专家经验的商业智能形式相比，机器学习具有明显的优势。传统的机器学习有SPSS(Statistical Product and Solutions)、SAS(StatisticalAnalysis System)等桌面软件，或者是使用R、Python等编程语言开发特定程序对特定的数据进行处理和挖掘。但是这些传统机器学习方法对使用者的应用能力要求较高或者要求使用者具有良好的编程能力。因此在当今大数据和人工智能普及的时代，这种传统的机器学习方法难以快速推广和普及，在开发效率和部署重用等方面也有很大的不足。

通常，使用机器学习算法训练模型，都是一个从数据预处理、训练、预测的流水线作业。每一次模型训练都像是一个黑匣子，模型开发或使用者通常都只专注于模型的效果，而很少有人会关注模型本身。这使得训练模型更像是一种一次性用品，模型使用者如果对模型效果不满意，只能推倒重来，根据经验调整参数或者输入变量，重新训练一个新的模型。这是一种低效的、时间成本很高建模方法。

发明内容

为了解决上述问题，本发明的目的在于提供一种交互式的迭代建模系统及方法，该系统和方法通过对模型本身的分析，把训练模型的过程变得是可以交互的，可以不断地基于现有模型快速优化的过程，这使得每一次模型训练不再独立，而是变成一种迭代过程，每一次的迭代，模型的效果都可以更优，从而提高了训练模型的效率，在更短的时间内训练出更好的模型。

本发明的另一个目的在于提供一种实现简单、可靠性强、便于广泛推广的交互式的迭代建模系统及方法。

为了实现上述目的，本发明的技术方案如下。

本发明提供一种交互式的迭代建模系统及方法，该方法包括以下步骤：

步骤1：导入数据，获得用于建模的基础数据；机器学习的目标就是要从数据中总结规律、发现知识，所以数据导入是机器学习训练模型的必要操作。

步骤2：数据预处理，对基础数据进行建模前的预处理，使其适直接用于训练模型；原始数据通常不适宜直接用于训练模型，还需要做一些数据预处操作。

步骤3：选择模型参数，对建模的模型训练参数进行选择和配置，并判断是否进行自动化配置，若进行自动化配置，则进入步骤4；若不进行自动化配置，则进入步骤5；

步骤4：自动化配置，设置自动化建模参数，利用自动化模型训练系统自动训练多个用于迭代的参考模型；

步骤5：训练模型，根据给定的模型参数进行模型训练，若训练的模型符合要求，则进入步骤7；若训练的模型不符合要求，则进入步骤6；用户可以随时终止模型的训练。

步骤6：迭代建模，参考自动化配置中生成的参考模型，对比后回到步骤3；

步骤7：结束建模。