[发明专利]基于遗传算法的自动机器学习数据建模方法

权利要求书

1.基于遗传算法的自动机器学习数据建模方法，其特征在于，其包括以下步骤：

步骤一：设定多个管道，每个所述管道均包含四个模块，四个所述模块分别设置为数据预处理模块、特征工程模块、模型生成模块和模型评估模块；

步骤二：初始化遗传算法，首先定义遗传算法的关键参数：generations，population_size，offspring_size，mutation_rate，crossover_rate，然后定义优化参数：scoring，cv，subsample；

步骤三：遗传算法过程：

a.初始化：随机初始化n个线性管道；

b.淘汰：通过多目标遗传规划算法选择，最大化验证集准确率同时最小化每个管道的算子，选取定义的前d个管道；

c.分裂：将步骤2得到的d个管道复制t份共d*t个管道作为初始化子代；

d.变异：首先将5％子代与另5％子代的管道上的算子互换，然后将剩下的90％的子代，等概率进行增删，转移算子操作；

e.转到步骤二，重复该过程m次；

步骤四：将最优的管道生成的模型保存同时保存了最优参数，以便用于模型部署。

2.根据权利要求1所述的基于遗传算法的自动机器学习数据建模方法，其特征在于：所述步骤一中，所述数据预处理模块包括数据增强、缺失值计算、数据变换、数据集分割和数据标准化与归一化方法。

3.根据权利要求1所述的基于遗传算法的自动机器学习数据建模方法，其特征在于：所述步骤一中，特征工程模块主要为特征选择，主要包括过滤式、包裹式和嵌入式。

4.根据权利要求3所述的基于遗传算法的自动机器学习数据建模方法，其特征在于：所述过滤式有方差选择法、相关系数法、卡方检验和互信息法。

5.根据权利要求3所述的基于遗传算法的自动机器学习数据建模方法，其特征在于：所述包裹式主要为递归特征消除法。

6.根据权利要求3所述的基于遗传算法的自动机器学习数据建模方法，其特征在于：所述嵌入式主要由基于惩罚项的特征选择法、基于树模型的特征选择法。

7.根据权利要求2所述的基于遗传算法的自动机器学习数据建模方法，其特征在于：所述步骤二中，所述generations表示遗传算法进化次数，可理解为迭代次数；所述population_size表示每次进化中种群的大小；所述scoring表示损失函数。