[发明专利]机器学习算法的参数调优方法及系统

权利要求书

1.机器学习算法的参数调优方法，其特征在于，所述方法包括：

S1、输入用户数据集和待调参数算法，提取用户数据集的特征；

S2、在神经网络数据库中，找到待调参数算法的神经网络，将S1提取的特征输入该神经网络中，该神经网络输出待调参数算法的参数；

所述神经网络数据库包括根据各种机器学习算法建立及训练好的神经网络，具体构建方法为：

构建适用于机器学习算法的数据集的知识库；

提取知识库中每个数据集的特征；

找到在各数据集上运行各机器学习算法的最优参数；

建立每个机器学习算法的神经网络，利用数据集的特征和对应的最优参数作为训练集对对应的神经网络进行训练，获得训练好的神经网络。

2.根据权利要求1所述的机器学习算法的参数调优方法，其特征在于，所述方法还包括：

S3、使用局部优化器找到S2输出参数的局部极值，作为机器学习算法的进一步优化参数。

3.根据权利要求1所述的机器学习算法的参数调优方法，其特征在于，构建神经网络数据库时，利用网格搜索的方法找到在各数据集上运行各机器学习算法的最优参数。

4.机器学习算法的参数调优系统，其特征在于，所述系统包括：

特征计算器，用于输入用户数据集，提取用户数据集的特征；

调优模块，与特征计算器连接，用于输入待调参数算法，根据待调参数算法，在神经网络数据库中找到待调参数算法对应的神经网络，将特征计算器提取的特征输入到该神经网络中，该神经网络输出待调参数算法的参数；

所述神经网络数据库包括根据各种机器学习算法建立及训练好的神经网络，具体构建方法为：

构建适用于机器学习算法的数据集的知识库；

提取知识库中每个数据集的特征；

找到在各数据集上运行各机器学习算法的最优参数；

建立每个机器学习算法的神经网络，利用数据集的特征和对应的最优参数作为训练集对对应的神经网络进行训练，获得训练好的神经网络。

5.根据权利要求4所述的机器学习算法的参数调优系统，其特征在于，所述系统还包括：

局部优化器，与调优模块连接，用于找到调优模块输出参数的局部极值，作为机器学习算法的进一步优化参数。

6.根据权利要求4所述的机器学习算法的参数调优系统，其特征在于，构建神经网络数据库时，利用网格搜索的方法找到在各数据集上运行各机器学习算法的最优参数。