[发明专利]一种机器学习引擎的研究方法

权利要求书

1.一种机器学习引擎的研究方法，其特征在于：包括如下步骤：

S1、研究交互式机器学习引擎，向用户提供基于交互式学习技术的建模框架，支持图形化方式进行建模挖掘，可以降低编程技术门槛，使用户轻松地获得模型训练能力，助力用户大数据的价值发现；

S2、集成Spark等3种以上机器学习框架，内置分类、回归、聚类、关联规则等多种算法；支持新增自定义算法；

S3、深度学习是机器学习中一种基于对数据进行表征学习的方法，其主要应用方式在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，如图像，声音和文本；

研究深度学习在电网运行监测、电力系统自动故障检测、电力设备故障诊断等方面的应用，通过深度学习的方式减少简单重复劳动力投入、自动检测和预测设备故障，助力公司的日常生产和运营；

S4、基于公司信息系统的运行数据，研究机器学习、深度学习算法在信息系统运行监测、信息设备故障诊断、系统安全风险预测、信息用户行为分析预测等方面的应用；研究并构建信息系统安全风险预测模型，并保证其可扩展性、精确性和客观性，实现信息系统运行风险快速实时预测的目的。

2.权利要求1所述的一种机器学习引擎的研究方法，其特征在于：提供的软件应是确保系统正常运行所需的管理、运营、维护等有关的全部软件，并是成熟的最新版本的软件系统，应为模块化设计，保证任何软件模块的维护和更新都不影响其它软件模块，软件具有容错能力。

3.权利要求1所述的一种机器学习引擎的研究方法，其特征在于：提供的软件支持各种硬件厂商机器和Linux系列操作系统平台，全面支持64位能力；开发客户端支持Web客户端，支持PC、手机终端展现；

软件的运行方式支持分布式环境，支持Hadoop和Spark环境，包括Spark、SparkSreaming、Python、R语言等计算组件；

软件支持业务不中断扩容。

4.权利要求1所述的一种机器学习引擎的研究方法，其特征在于：软件的功能包括：

(1)支持拖拽式方式进行交互式探索分析、机器学习、深度学习；

(2)支持机器学习算法开发平台，集成Spark等3种以上机器学习框架；

(3)支持分类、回归、聚类、关联规则、数据预处理、推荐、特征提取、特征转换、特征选择等算法，数据挖掘算法应达到50种以上；

(4)支持新增自定义算法，平台易用性、扩展性较好；

(5)支持模型集成和自动建模功能，对算法结果准确性的分析功能；

(6)支持向导式的基础数据处理功能：过滤、排序、多表关联查询、转置、拆分、抽样、数据比较等；

(7)提供用户编写代码的方式进行复杂的数据处理；

(8)支持数据血缘分析管理；

基于完整的元数据管理能力，提供血缘分析功能，可以以某个元数据为终止节点，以图形化方式展示前端与其有关系的所有元数据，反应数据的来源与加工过程，从而可判断数据来源，定位数据质量问题；

(9)支持一站式运维平台；

(10)支持数据权限管理：支持对不同用户访问数据权限的限制、包括库表数据字典、数据血缘跟踪与追溯、热点数据分析；支持数据行级、列级、图表级别的用户访问权限控等功能；

(11)支持平台安全功能；

(12)支持用户管理：提供用户管理(包括用户、用户组、角色管理、权限管理)和统一访问策略体系功能；

(13)支持日志管理：提供完善的用户日志记录，用户审计操作，包括但不限于：用户登录/退出时间、用户访问模型记录、用户查询操作记录、用户数据导出记录以及操作时间等；

(14)帮助文档：有完整的帮助文档，案例介绍、实施方法论说明文档。

5.权利要求4所述的一种机器学习引擎的研究方法，其特征在于：所述支持一站式运维平台具体包括：

(1)支持一键式集群部署、集中式后台管理控制台；

(2)支持组件热插拔设计、支持组件和主机扩缩容操作；

(3)支持存储、计算资源管控，以角色、用户、用户组、项目的进行权限管理；

(4)提供可视化的实时集群运维仪表盘，支持仪表盘自定义配置；

(5)支持自定义短信、邮件多渠道实时告警的服务异常告警。

6.权利要求4所述的一种机器学习引擎的研究方法，其特征在于：所述支持平台安全功能具体包括：

(1)支持安全通信协议SSL；

(2)支持与其他第三方系统的统一认证集成；

(3)提供安全可靠的数据加密，确保数据在传输、存储过程中的安全管控；

(4)支持登录权限审批、数据隔离以及访问审计。