[发明专利]执行自动机器学习的方法和装置

权利要求书

1.一种执行自动机器学习的方法，包括：

通过自动机器学习方式获取包括至少一个机器学习模型的初始机器学习模型组；

持续获取预测数据；

监测持续获取的预测数据中是否出现超出预设阈值的分布状态变化；

在出现超出阈值的分布状态变化的情况下，自动更新初始机器学习模型组。

2.如权利要求1所述的方法，其中，在所述初始机器学习模型组中，各个机器学习模型针对预测数据提供的预测结果被进行加权求和以作为所述初始机器学习模型组针对预测数据的预测结果，

并且，监测步骤包括：监测持续获取的预测数据的分布状态和/或初始机器学习模型组针对所述预测数据的预测效果，以确定是否出现超出预设阈值的分布状态变化。

3.如权利要求2所述的方法，其中，在出现超出预设阈值的分布状态变化的情况下，固定地使用或自适应地使用预定的多种更新方式之一来自动更新初始机器学习模型组。

4.如权利要求3所述的方法，其中，所述预定的多种更新方式包括以下更新方式：

第一更新方式，重新训练新的机器学习模型组以替代初始机器学习模型组；

第二更新方式，调整初始机器学习模型组中的各个机器学习模型的权重；或者

第三更新方式，训练新的机器学习模型组并将新的机器学习模型组与初始机器学习模型组组合来构成更新后的机器学习模型组。

5.如权利要求4所述的方法，其中，

在第一更新方式中，利用基于至少一部分预测数据及其真实结果形成的训练数据，重新训练新的机器学习模型组，

在第二更新方式中，根据初始机器学习模型组在基于至少一部分预测数据及其真实结果形成的观测数据上的预测效果来调整初始机器学习模型组中的各个机器学习模型的权重；

在第三更新方式中，利用基于至少一部分预测数据及其真实结果形成的训练数据训练新的机器学习模型组，并且，通过将新的机器学习模型组与初始机器学习模型组组合，并根据组合后的机器学习模型组在基于至少一部分预测数据及其真实结果形成的观测数据上的预测效果确定组合后的机器学习模型组中的各个机器学习模型的权重来构成更新后的机器学习模型组。

6.如权利要求5所述的方法，其中，在第一更新方式中，所述至少一部分预测数据包括持续获取的全部预测数据，在第二更新方式和第三更新方式中，所述至少一部分预测数据包括分布状态变化超出预设阈值的预测数据或者持续获取的全部预测数据。

7.如权利要求4所述的方法，其中，自适应地使用预定的多种更新方式之一来自动更新初始机器学习模型组的步骤包括：至少根据与预测数据有关的信息自适应地在所述预定的多种更新方式之中选择相应的更新方式来自动更新初始机器学习模型组。

8.一种用于执行自动机器学习的计算机可读介质，其中，在所述计算机可读介质上记录有用于执行如权利要求1至7中的任一权利要求所述的方法的计算机程序。

9.一种执行自动机器学习的计算装置，包括存储部件和处理器，其中，存储部件中存储有计算机可执行指令集合，当所述计算机可执行指令集合被所述处理器执行时，促使处理器执行如权利要求1至7中的任一权利要求所述的方法。

10.一种执行自动机器学习的装置，包括：

初始机器学习模型组获取单元，被配置为通过自动机器学习方式获取包括至少一个机器学习模型的初始机器学习模型组；

预测数据获取单元，被配置为持续获取预测数据；

监测单元，被配置为监测持续获取的预测数据中是否出现超出预设阈值的分布状态变化；

更新单元，被配置为在出现超出阈值的分布状态变化的情况下自动更新初始机器学习模型组。