[发明专利]电子装置、多模型样本训练方法和计算机可读存储介质

说明书

本发明公开一种电子装置、多模型样本训练方法和计算机可读存储介质，其中，该方法包括：接收用户上传的样本数据，确定所述样本数据的数据属性，所述数据属性包括类型和数量；根据预先确定的机器学习模型与样本数据的数据属性的映射关系，确定所述样本数据的数据属性对应的机器学习模型；将所述确定的机器学习模型分别对所述样本数据进行训练；分析训练完成后得到的各个机器学习模型的训练结果，将符合预设条件的训练结果在显示界面上展示。本发明技术方案避免了经验不足的用户由于模型的选择错误而导致训练结果很差的情况发生，解决了用户花费太多时间重复训练模型而对工作进度的影响的问题。

技术领域

本发明涉及机器学习模型训练领域，特别涉及一种电子装置、多模型样本训练方法和计算机可读存储介质。

背景技术

目前，业内在使用机器学习训练样本时，需要手动选择一些机器学习模型，然后用选择的机器学习模型对样本数据进行训练，得到一个分类器。然而，这种需要自行选择模型的方式对初级或基础不扎实的用户而言，难度比较大，很容易发生因为模型选择错误而导致得到的分类器的效果较差，不符合要求，需要重新选择模型进行训练，而重复训练花费太多时间，严重影响用户的工作进度。

发明内容

本发明提供一种电子装置、多模型样本训练方法和计算机可读存储介质，旨在解决经验不足的用户花费太多时间重复训练模型而对工作进度的影响。

为实现上述目的，本发明提出的电子装置，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的多模型样本训练系统，所述多模型样本训练系统被所述处理器执行时实现如下步骤：

A、接收用户上传的样本数据，确定所述样本数据的数据属性，所述数据属性包括类型和数量；

B、根据预先确定的机器学习模型与样本数据的数据属性的映射关系，确定所述样本数据的数据属性对应的机器学习模型；

C、将所述确定的机器学习模型分别对所述样本数据进行训练；

D、分析训练完成后得到的各个机器学习模型的训练结果，将符合预设条件的训练结果在显示界面上展示。

优选地，所述步骤C替换为：

C1、将所述确定的机器学习模型在操作界面上展示，以供用户选择待训练的机器学习模型；

C2、在接收到用户基于所述操作界面选择的待训练的机器学习模型后，将所述待训练的机器学习模型分别对所述样本数据进行训练。

优选地，所述步骤C2包括：

在接收到用户基于所述操作界面选择的待训练的机器学习模型后，在操作界面上显示各个待训练的机器学习模型的参数设置界面；

在各个带训练的机器学习模型完成参数设置后，采用所述待训练的机器学习模型分别对所述样本数据进行训练。

优选地，所述训练结果包括机器学习模型训练的准确率和损失函数曲线；所述预设条件为：准确率大于预设值，或准确率降序排名的前预设名。

本发明还提出一种多模型样本训练方法，该方法包括步骤：

E、接收用户上传的样本数据，确定所述样本数据的数据属性，所述数据属性包括类型和数量；

F、根据预先确定的机器学习模型与样本数据的数据属性的映射关系，确定所述样本数据的数据属性对应的机器学习模型；

G、将所述确定的机器学习模型分别对所述样本数据进行训练；

H、分析训练完成后得到的各个机器学习模型的训练结果，将符合预设条件的训练结果在显示界面上展示。

优选地，所述步骤G替换为：