[发明专利]一种可视化的算法模型构建方法和存储介质在审
| 申请号： | 202010799162.1 | 申请日： | 2020-08-11 |
| 公开（公告）号： | CN112000325A | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 黄文锦;陈天宇;陈航;郑升尉;张汀勇;陈杰;叶章明;刘元 | 申请（专利权）人： | 福建博思数字科技有限公司;福建博思软件股份有限公司 |
| 主分类号： | G06F8/34 | 分类号： | G06F8/34;G06F8/35;G06N3/08 |
| 代理公司： | 福州市景弘专利代理事务所(普通合伙) 35219 | 代理人： | 林祥翔;郭鹏飞 |
| 地址： | 350200 福建省福州市长乐*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 可视化 算法 模型 构建 方法 存储 介质 | ||
1.一种可视化的算法模型构建方法，其特征在于，所述方法包括：
S1：获取算法模型选择指令，从模型组件库中选择与算法模型选择指令相对应的算法模型；
S2：配置算法模型所需的数据源信息；
S3：设置算法模型训练参数，并对所述算法模型进行训练，得到训练好的算法模型；
S4：接收待测数据，采用训练好的算法模型对所述待测数据进行预测处理，并以可视化形式展现预测结果。
2.如权利要求1所述的可视化的算法模型构建方法，其特征在于，“以可视化形式展现预测结果”包括：
以折线图、树状图、饼图或表格中的任意一项或多项展示所述预测结果。
3.如权利要求1所述的可视化的算法模型构建方法，其特征在于，所述数据源信息包括多维度子数据及各维度子数据的权重占比。
4.如权利要求1所述的可视化的算法模型构建方法，其特征在于，所述算法模型为神经网络训练模型，所述算法模型训练参数包括神经网络模型节输入节点数和输出节点数、以及神经网络的运算层数。
5.如权利要求1所述的可视化的算法模型构建方法，其特征在于，所述方法包括：
对训练好的算法模型进行封装，生成算法模型API。
6.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
S1：获取算法模型选择指令，从模型组件库中选择与算法模型选择指令相对应的算法模型；
S2：配置算法模型所需的数据源信息；
S3：设置算法模型训练参数，并对所述算法模型进行训练，得到训练好的算法模型；
S4：接收待测数据，采用训练好的算法模型对所述待测数据进行预测处理，并以可视化形式展现预测结果。
7.如权利要求6所述的存储介质，其特征在于，“以可视化形式展现预测结果”包括：
以折线图、树状图、饼图或表格中的任意一项或多项展示所述预测结果。
8.如权利要求6所述的存储介质，其特征在于，所述数据源信息包括多维度子数据及各维度子数据的权重占比。
9.如权利要求6所述的存储介质，其特征在于，所述算法模型为神经网络训练模型，所述算法模型训练参数包括神经网络模型节输入节点数和输出节点数、以及神经网络的运算层数。
10.如权利要求6所述的存储介质，其特征在于，所述计算机程序被处理器执行时还实现以下步骤：
对训练好的算法模型进行封装，生成算法模型API。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福建博思数字科技有限公司;福建博思软件股份有限公司，未经福建博思数字科技有限公司;福建博思软件股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010799162.1/1.html，转载请声明来源钻瓜专利网。
