[发明专利]用于自动训练机器学习模型的方法和系统

说明书

公开了一种用于自动训练机器学习模型的方法和系统。一种由计算装置执行的用于自动训练机器学习模型的方法包括：获取包括多条数据记录的数据集；通过元学习来确定针对所述数据集的特征工程策略；利用确定的特征工程策略产生与数据集中的每条数据记录有关的特征；至少基于产生的特征来构建机器学习样本；基于自动获得的超参数取值，利用构建的机器学习样本训练机器学习模型。

技术领域

本申请总体说来涉及人工智能领域，更具体地说，涉及一种用于自动训练机器学习模型的方法和系统。

背景技术

随着海量数据的出现，人工智能技术得到了迅速发展，而为了从大量数据中挖掘出价值，相关人员不仅需要精通人工智能技术(特别是机器学习技术)，还需要非常熟悉应用机器学习技术的具体场景(例如，图像处理、语音处理、文本处理，还有例如自动控制、金融业务、互联网广告等业务决策领域)。例如，在机器学习中，模型训练就通常需要大量机器学习专家参与工作(包括在训练过程中进行特征工程策略选择、模型超参数调整等)，并且训练出的模型的效果往往依赖于机器学习专家关于模型训练的个人经验及其对于模型的具体应用场景或相关业务的熟悉程度，而如果相关人员对具体业务了解不够者或建模经验不足，则很容易导致较差的模型效果。由此可见，现有的模型训练方式不仅会耗费大量的人力成本，而且导致机器学习门槛较高，此外，由于对相关人员个人经验和业务熟悉度的依赖，使得训练出的模型效果可能无法客观地反映真实的业务规律，而这些都给机器学习技术的工业应用前景带来非常大的困难。为此，技术人员希望通过采用技术手段来在保证模型训练效果的同时，降低模型训练和应用的门槛。

发明内容

根据本申请示例性实施例，提供了一种由计算装置执行的用于自动训练机器学习模型的方法，所述方法可包括：获取包括多条数据记录的数据集；通过元学习来确定针对所述数据集的特征工程策略；利用确定的特征工程策略产生与数据集中的每条数据记录有关的特征；至少基于产生的特征来构建机器学习样本；基于自动获得的超参数取值，利用构建的机器学习样本训练机器学习模型。

可选地，通过元学习来确定针对所述数据集的特征工程策略的步骤可包括：分析数据集以获得反映数据集整体特性的元特征；基于获得的元特征确定针对所述数据集的特征工程策略。

可选地，基于获得的元特征确定针对所述数据集的特征工程策略的步骤可包括：基于元特征与特征工程策略之间的对应关系，自动基于获得的元特征确定针对所述数据集的特征工程策略；或者基于获得的元特征，利用另一机器学习模型确定针对所述数据集的特征工程策略。

可选地，利用另一机器学习模型确定针对所述数据集的特征工程策略的步骤可包括：基于获得的元特征利用作为所述另一机器学习模型的聚类模型确定与所述数据集相似的已经具有对应的模型训练结果的历史数据集，并将与所述历史数据集对应的特征工程策略确定为针对所述数据集的特征工程策略；或者将基于获得的元特征构成的预测样本输入作为所述另一机器学习模型的预测模型，并将所述预测模型针对该预测样本的预测结果作为针对所述数据集的特征工程策略，其中，所述预测模型被事先训练为基于元特征预测与元特征对应的特征工程策略。

可选地，分析数据集以获得反映数据集整体特性的元特征的步骤可包括：分析数据集以获得与数据集中包括的数据记录的数量、数据记录中包括的特征的类型、特征的数量和/或特征的取值有关的统计信息，作为所述元特征。

可选地，元特征可包括以下项中的至少一项：数据集中包括的数据记录的数量、数据记录中包括的离散特征的数量、数据记录中包括的连续特征的数量、数据记录中是否存在时间特征、数据记录中包括的时间特征的数量、每个离散特征的填充度、每个连续特征的填充度、所有离散特征的平均填充度和所有连续特征的平均填充度、各个连续特征取值的均值、方差、中位数、最大值或最小值、或者各个离散特征的不同取值的个数、或者对以上各项进行综合和统计分析而获得的结果。