[发明专利]一种可视化的算法模型构建方法和存储介质

说明书

本发明提供了一种可视化的算法模型构建方法和存储介质，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。本申请通过设置模型组件库提供多种算法模型供开发者进行选择，且可以实时通过可视化的方式展示预测结果，便于开发者判断当前算法模型运算的精准度以进行调整，有效提升了开发效率。

技术领域

本发明涉及算法模型领域，尤其涉及一种可视化的算法模型构建和存储介质。

背景技术

随着计算机技术的发展，算法模型得到了广泛应用。以Mahout算法模型为例，Mahout是Apache Software Foundation(ASF)旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。其具体使用流程如图1所示：首先进入步骤S101 数据准备及数据预处理；而后进入步骤S102选择算法模型，设置模型参数，编写数据处理代码调用Mahout库进行数据处理；而后进入步骤S103输出运算结果。Mahout主要是面向开发人员，只有后台数据处理相关功能，需要开发代码进行调用处理，没有可视化相关功能。

发明内容

为此，需要提供一种可视化的算法模型构建的技术，用以解决现有的模型算法开发过程中无法可视化呈现运算结果，影响研发效率的问题。

为实现上述目的，本申请的第一方面提供了一种可视化的算法模型构建方法，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。

进一步地，“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。

进一步地，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。

进一步地，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。

进一步地，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。

本申请的第二方面还提供了一种存储介质，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。

进一步地，“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。

进一步地，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。