[发明专利]模型生成方法、电子设备及存储介质

说明书

本申请涉及机器学习技术领域，尤其涉及一种模型生成方法、电子设备及存储介质，所述方法包括：获取数据集，确定所述数据集对应的至少一个抽象场景，其中，所述至少一个抽象场景中的每个抽象场景对应有算法列表，所述算法列表包括至少一个目标算法；从所述至少一个抽象场景对应的所述算法列表中，确定所述至少一个抽象场景对应的目标算法；根据所述目标算法确定计算框架；基于所述计算框架利用所述数据集进行模型训练，得到目标模型。由此可以根据用户提供的数据集进行定制化设计计算框架，使得在此计算框架下进行训练能够提高模型的训练效率，并使得生成的目标模型具有较高的准确性。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种模型的生成方法、电子设备及存储介质。

背景技术

机器学习与深度学习已经广泛用于各行各业，并展现出了巨大的经济价值和商业价值。自动化机器学习是一种新兴技术，这种技术通过让计算机自己根据数据分布来构建机器学习模型，构建的模型表现可以达到甚至超过算法专家的水平。

当前的自动化机器学习技术仅仅针对的是质量较高、分布较为标准的用户数据来构建的算法。现实中用户数据以及其场景千变万化，不同的用户数据有着不同的特点，现阶段自动化机器学习技术对特点各异的数据缺少对应的处理办法，导致训练得到的模型的实际效果并不理想。

发明内容

本申请实施例提供一种模型的生成方法、电子设备及存储介质，旨在解决目前模型训练中模型训练效率较低，生成的目标模型的准确性不高的问题。

第一方面，本申请提供了一种模型生成方法，所述方法包括：获取数据集，确定所述数据集对应的至少一个抽象场景，其中，所述至少一个抽象场景中的每个抽象场景对应有算法列表，所述算法列表包括至少一个目标算法；从所述至少一个抽象场景对应的所述算法列表中，确定所述至少一个抽象场景对应的目标算法；根据所述目标算法确定计算框架；基于所述计算框架利用所述数据集进行模型训练，得到目标模型。

第二方面，本申请实施例提供了一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现本申请实施例提供任一项所述的模型生成方法。

第三方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现本申请实施例提供任一项所述模型生成方法。

本申请实施例提供的模型生成练方法、电子设备和存储介质，通过对数据集进行分析，确定对应的抽象场景，从而确定对应的计算框架并基于该计算框架进行模型训练，降低了空间复杂度，由此可以根据用户提供的数据集进行计算框架的自动化设计，进而降低空间复杂度，使得数据集在设计好的计算框架下进行模型训练，有助于提高模型的训练效率，并使得生成的目标模型具有较高的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请实施例的公开内容。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种模型生成方法的场景示意图；

图2是本申请实施例提供的一种AI平台的系统界面示意图；

图3是本申请实施例提供的一种模型生成方法的示意流程图；

图4是本申请实施例提供的一种确定所述数据集对应的至少一个抽象场景的示意流程图；

图5是本申请实施例提供的一种生成数据集补充信息的场景示意图；

图6是本申请实施例提供的一种模型生成装置的示意性框图；