[发明专利]用于生成信息的方法和装置

说明书

本公开实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：接收建模请求；根据训练用数据的类型和模型类别，确定目标数量个初始机器学习管道；使用目标数量个初始机器学习管道执行以下模型生成步骤：基于目标数量个初始机器学习管道，生成目标数量个新机器学习管道；基于训练用数据、目标数量个初始机器学习管道以及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。该实施方式实现了模型的自动化生成。

技术领域

本公开实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。

背景技术

在机器学习领域，由于使用机器学习算法进行建模的门槛较高，且人工调整模型参数的时间成本较高，因此自动化建模逐渐成为了热点。自动化建模使用简单，一方面可以使得一些对机器学习方面基础比较薄弱的人员快速入手使用。另一方面可以大幅度节省人工调整模型流程和参数的时间。目标自动化建模仍处于发展阶段，大量的研究都处于摸索阶段。

发明内容

本公开实施例提出了用于生成信息的方法和装置。

第一方面，本公开实施例提供了一种用于生成信息的方法，该方法包括：接收建模请求，其中，上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；根据上述训练用数据的类型和上述模型类别，确定上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；使用上述目标数量个初始机器学习管道执行以下模型生成步骤：基于上述目标数量个初始机器学习管道，生成上述目标数量个新机器学习管道；基于上述训练用数据、上述目标数量个初始机器学习管道以及上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；根据上述评估指标，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。

在一些实施例中，上述方法还包括：响应于确定未达到预设的训练终止条件，根据评估结果，从上述目标数量个初始机器学习管道和上述目标数量个新机器学习管道中选取上述目标数量个机器学习管道作为初始机器学习管道，继续执行上述模型生成步骤。

在一些实施例中，上述方法还包括：生成针对上述目标训练后模型的模型文件，以及对上述目标训练后模型进行评估；将上述模型文件以及上述目标训练后模型的评估结果进行推送。

在一些实施例中，上述建模请求还包括最大迭代次数，以及上述训练终止条件包括：执行上述模型生成步骤的次数达到上述最大迭代次数；响应于确定执行上述模型生成步骤的次数未达到上述最大迭代次数，以及连续执行上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。

在一些实施例中，上述基于上述目标数量个初始机器学习管道，生成上述目标数量个新机器学习管道，包括：根据预设的交换比例，从上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，基于上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；对于上述目标数量个初始机器学习管道中的、除上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。