[发明专利]一种基于机器学习模型的场景变量自动化深度挖掘引擎系统

说明书

本发明公开了一种基于机器学习模型的场景变量自动化深度挖掘引擎系统，包括HDPP数据协议，所述HDPP数据协议通过前端操作界面引导用户按照协议规定进行数据录入，且需保证录入的数据完全符合HDPP数据协议要求，通过HDPP数据协议将用户产生的拥有若干场景变量的历史数据，转化为静态场景数据，用户通过HDPP数据协议来定义自己场景的变量画像，所述HDPP数据协议处理后的静态场景数据通过模型处理库输入到所有内置模型中，得到的相关变量值作为输出；给出了一种不需要任何人工智能技术基础便能轻松使用机器学习、数据挖掘与变量预测的手段去完成任意场景的相关任务需求。

技术领域

本发明属于机器学习技术领域，具体涉及一种基于机器学习模型的场景变量自动化深度挖掘引擎系统。

背景技术

机器学习是人工智能研究发展到一定阶段的必然产物。早在上世纪五十年代，人工智能处于起步阶段，人们认为只要给机器赋予逻辑推理能力，机器就能具有智能，随着研究向前发展，人们逐渐认识到，仅具有逻辑推理能力是远远不能实现人工智能的，要让机器实现智能，就必须使机器拥有知识。随后出现了大量的专家系统，但是专家系统面临知识工程瓶颈，简单来说就是通过人把知识总结出来再教给计算机是相当困难的。于是，一些学者想到，让机器自己学习知识。到了上世纪八十年代，机器学习成为了一个独立的学科领域并开始快速发展、各种机器学习技术百花齐放。在现在这个大数据时代，机器学习的作用及功能更是被极大化，目前机器学习及其相关技术几乎应用于各行各业，更是有一部分产业已经由机器学习技术代替了人力劳动。正是由于机器学习及其相关领域的快速发展，加快了智能时代的进程。

现有技术中针对机器学习而言，在构建模型时，需要经过数据处理、模型选择以及模型训练几个步骤，在这个过程中通常都需要专家经验，需要花费大量的时间和精力，效率较低，对于不是从事算法研究的人员来说，使用机器学习对大数据进行分析与建模以达到完成相关任务目的变得几乎不可能，而对于变量预测而言，通常的流程是先找到预测变量的相关变量然后对目标变量进行预测，现有的技术需要算法工程师通过使用不同的手段去不断的筛选相关变量，这同样需要经验且耗费大量的时间和精力，为此我们提出一种基于机器学习模型的场景变量自动化深度挖掘引擎系统。

发明内容

本发明的目的在于提供一种基于机器学习模型的场景变量自动化深度挖掘引擎系统，以解决上述背景技术中提出的问题。