[发明专利]一种面向多层次用户的机器学习参数配置方法

权利要求书

1.一种面向多层次用户的机器学习参数配置方法，是一种复合式的机器学习参数配置解决方案，其特征在于，包括如下步骤，

在机器学习阶段，针对多个典型场景，将各场景数据与机器学习适配，确定各个场景的最优参数配置；

在参数排序阶段，将各组最优参数配置按照频率为主的策略升序排序，形成有序的最优参数集合；

在应用运行阶段，针对应用场景，向用户提供默认参数模式、单参数配置模式和详细参数配置模式三种参数配置方法支持应用程序运行，并将详细参数配置模式得到的最优参数放回参数排序阶段迭代；

所述的机器学习参数，是指程序无法自行确定优劣的参数定义为机器学习程序待配置参数，既包括无法通过机器学习迭代优化的参数，也包括应用程序无法按照既定算法计算得到的参数；

所述的在应用运行阶段提供的默认参数模式，是指参数排序阶段中得到的最优参数集中排序最高的参数方案，将该参数方案作为机器学习应用程序的配置参数；

所述的在应用运行阶段提供的单参数配置模式，是指参数排序阶段中得到的排序最优参数集，将排序好的参数集合与单调数值形成映射关系，用户通过调整单调数值，选择对应参数方案；

所述的在应用运行阶段提供的详细参数配置模式，包括让各可配置参数用户可见，用户通过调整参数，挑选自己满意的运行结果。

2.根据权利要求1所述的机器学习参数配置方法，其特征在于：在机器学习阶段，各场景数据与机器学习适配，包括机器学习模块根据场景数据输入，通过调整参数，观察学习效果，当学习效果最优的时候，得到最优参数，完成适配过程。

3.根据权利要求1所述的机器学习参数配置方法，其特征在于：在参数排序阶段，对机器学习阶段得到的最优参数集，按照频率为主的策略升序排序。

4.根据权利要求3所述的机器学习参数配置方法，其特征在于：所述按照频率为主的策略升序排序，是指首先根据频率高低进行参数集合的排序，如果参数频率一样，则再采用另一个准则进行排序，决定频率一致的参数方案先后顺序。

5.根据权利要求1所述的机器学习参数配置方法，其特征在于：在应用运行阶段，详细参数配置模式得到的最优参数，将其放回参数排序阶段迭代，用户自行进行参数配置，当参数配置完成，用户感觉结果满意，或者参数配置过程满足机器学习应用程序既定规则后，将得到的参数方案纳入最优参数集合，在参数排序阶段根据参数频率和其他规则重新排序，形成新的排序最优参数集。