[发明专利]用于生成信息的方法和装置

权利要求书

1.一种用于生成信息的方法，包括：

接收建模请求，其中，所述建模请求包括训练用数据、模型类别、目标数量和评估指标；

根据所述训练用数据的类型和所述模型类别，确定所述目标数量个初始机器学习管道，其中，初始机器学习管道用于进行模型训练；

使用所述目标数量个初始机器学习管道执行以下模型生成步骤：基于所述目标数量个初始机器学习管道，生成所述目标数量个新机器学习管道；基于所述训练用数据、所述目标数量个初始机器学习管道以及所述目标数量个新机器学习管道进行模型训练，生成训练后模型；根据所述评估指标，分别对得到的训练后模型进行评估；确定是否达到预设的训练终止条件；响应于确定达到预设的训练终止条件，根据评估结果，从得到的训练后模型中确定目标训练后模型。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定未达到预设的训练终止条件，根据评估结果，从所述目标数量个初始机器学习管道和所述目标数量个新机器学习管道中选取所述目标数量个机器学习管道作为初始机器学习管道，继续执行所述模型生成步骤。

3.根据权利要求1所述的方法，其中，所述方法还包括：

生成针对所述目标训练后模型的模型文件，以及对所述目标训练后模型进行评估；

将所述模型文件以及所述目标训练后模型的评估结果进行推送。

4.根据权利要求1所述的方法，其中，所述建模请求还包括最大迭代次数，以及所述训练终止条件包括：

执行所述模型生成步骤的次数达到所述最大迭代次数；

响应于确定执行所述模型生成步骤的次数未达到所述最大迭代次数，以及连续执行所述模型生成步骤预设次数得到的最优训练后模型的评估结果不变，终止训练。

5.根据权利要求1所述的方法，其中，所述基于所述目标数量个初始机器学习管道，生成所述目标数量个新机器学习管道，包括：

根据预设的交换比例，从所述目标数量个初始机器学习管道选取初始机器学习管道组成初始机器学习管道子集，基于所述初始机器学习管道子集中的两两初始机器学习管道，执行以下数据交换步骤：确定所选取的两个初始机器学习管道对应的两个模型是否相同；响应于确定相同，交换两个模型的模型参数，得到两个新机器学习管道；响应于确定不相同，交换所选取的两个初始机器学习管道对应的模型，得到两个新机器学习管道；

对于所述目标数量个初始机器学习管道中的、除所述初始机器学习管道子集所包括的初始机器学习管道之外的初始机器学习管道，基于该初始机器学习管道生成新机器学习管道。

6.根据权利要求1所述的方法，其中，所述基于所述目标数量个初始机器学习管道，生成所述目标数量个新机器学习管道，包括：

从所述目标数量个初始机器学习管道选取两个初始机器学习管道，执行以下数据交换步骤：确定所选取的两个初始机器学习管道对应的两个模型是否相同；响应于相同，交换两个模型的模型参数，得到两个新机器学习管道；响应于确定不相同，交换所选取的两个初始机器学习管道对应的模型，得到两个新机器学习管道；

从所述目标数量个初始机器学习管道中选取出未执行过所述数据交换步骤的两个初始机器学习管道，继续执行所述数据交换步骤。

7.根据权利要求1所述的方法，其中，初始机器学习管道包括至少一个数据处理阶段和一个模型训练阶段；以及

所述基于所述目标数量个初始机器学习管道，生成所述目标数量个新机器学习管道，包括：

对于所述目标数量个初始机器学习管道中的机器学习管道，选取该初始机器学习管道的至少一个数据处理阶段和/或模型训练阶段对应的模型中的预设数量个部分进行变化，生成新机器学习管道。