[发明专利]一种自动化模型构建方法、装置及设备

说明书

本发明公开了一种自动化模型构建方法、装置及设备，通过获取训练数据，提取训练数据的特征信息；从模型数据集中查找与特征信息对应的至少一个模型训练过程信息，模型构建数据集包括多个特征对应关系，每个特征对应关系包括一个特征信息与至少一个模型训练过程信息；基于模型训练策略确定模型训练过程信息的优化方案；根据优化方案对训练数据进行训练，得到至少一个第二模型；从而当用户输入训练数据后，可以在用户不参与的情况下，自动化地完成机器学习的完整流程，可以减少在机器学习建模过程中工程师消耗的时间和精力，且降低用户对人工智能的使用门槛。

技术领域

本申请涉及数据建模技术领域，尤其涉及一种自动化模型构建方法、装置及设备。

背景技术

近几年来，随着人工智能(Artificial Intelligence，AI)技术的高速发展，越来越多的企业或个人将AI技术应用于生产、生活各个方面，解决实际生产、生活过程中面临的实际问题。然而，在利用AI技术解决实际问题时，需要人工智能工程师对数据及业务场景进行初步分析，人工设定机器学习建模过程的部分步骤或所有步骤，极大依赖工程师对于解决问题业务背景的了解，以及AI领域的经验，且需要不断地试错与穷举，极大消耗工程师的时间与精力。

发明内容

本发明实施例通过提供一种自动化模型构建方法、装置及设备，用以解决现有技术中在利用AI技术解决实际问题时，需要人工智能工程师对数据及业务场景进行初步分析，人工设定机器学习建模过程的部分步骤或所有步骤，极大消耗工程师的时间与精力的问题。

为了解决上述问题，第一方面，本发明实施例提供了一种自动化模型构建方法，包括：获取训练数据，提取训练数据的特征信息；从模型数据集中查找与特征信息对应的至少一个模型训练过程信息，模型构建数据集包括多个特征对应关系，每个特征对应关系包括一个特征信息与至少一个模型训练过程信息；基于模型训练策略确定模型训练过程信息的优化方案；根据优化方案对训练数据进行训练，得到至少一个第二模型。

可选地，模型训练过程信息包括第一模型、备选算法、子流程及对应的超参取值范围。

可选地，基于模型训练策略确定模型训练过程信息的优化方案，包括：根据模型训练策略及第一模型从备选算法、子流程及对应的超参取值范围中选取至少一个算法、至少一个子流程及对应的至少一组超参值；根据至少一个算法、至少一个子流程及对应的至少一组超参值确定模型训练过程信息的优化方案。

可选地，训练数据包括训练样本和验证样本；根据优化方案对训练数据进行训练，得到至少一个第二模型，包括：根据至少一个算法、至少一个子流程及对应的至少一组超参值对训练样本进行训练，得到至少一个第二模型。

可选地，在得到至少一个第二模型之后，自动化模型构建方法还包括：将验证样本输入至少一个第二模型，得到对应的第一输出结果；根据第一输出结果从至少一个第二模型中确定性能最好的一个第二模型；按照性能最好的第二模型的算法、子流程和对应的超参值对训练样本和验证样本进行训练，得到第三模型。

可选地，在得到第三模型之后，自动化模型构建方法还包括：获取测试数据；将测试数据输入第三模型，得到对应的第二输出结果；根据第二输出结果对第三模型进行性能评价。

可选地，在获取训练数据之后，在基于模型训练策略确定模型训练过程信息的优化方案之前，自动化模型构建方法还包括：获取用户输入的至少部分模型训练过程信息；将用户输入的至少部分模型训练过程信息与至少一个模型训练过程信息进行合并。

可选地，在得到至少一个第二模型之后，自动化模型构建方法还包括：记录至少一个第二模型对应的特征信息及模型训练过程信息。