[发明专利]基于AutoML的对象预测分类方法、装置、计算机设备及存储介质

说明书

本申请属于人工智能领域，涉及基于AutoML的对象预测分类方法，包括:获取多个对象的原始数据；获取包含多个模型的预设模型框架，基于各对象的原始数据构建与各模型相对应的特征，并将构建的各特征进行组合编码生成组合特征集，预设模型框架基于AutoML从多个模型框架中筛选获得；将组合特征集输入预设模型框架得到各对象的预测分类标签，实现各对象的预测分类。本申请还提供基于AutoML的对象预测分类装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，待预测分类的多个对象对应的原始数据可存储于区块链中。本申请通过AutoML挑选出最优的算法组合，实现对多个模型框架的筛选，通过基于最优算法组合的模型框架对各个对象进行预测分类，预测准确度更高。

技术领域

本申请涉及人工智能技术领域，尤其涉及基于AutoML的对象预测分类方法、装置、计算机设备及存储介质。

背景技术

在对一些目标对象可能的分类进行预测时，往往建立基于机器学习的分类预测模型，机器学习的应用需要大量的人工干预，这些人工干预表现在征工程、模型构建、参数优化等机器学习的各个方面，每一个部分需要具备专业知识的数据科学家来完成，建立起数据到计算的桥梁，然而，即使是数据科学家也需要花费大量的精力来进行算法与模型的选择，机器学习的门槛增加了分类预测模型建立的难度和复杂度，导致无法快速得到满足分类预测要求的模型。

发明内容

本申请实施例的目的在于提出一种基于AutoML的对象预测分类方法、装置、计算机设备及存储介质，以解决现有技术中目标对象的分类预测模型构建速度慢效率低的问题。

为了解决上述技术问题，本申请实施例提供一种基于AutoML的对象预测分类方法，采用了如下所述的技术方案：

一种基于AutoML的对象预测分类方法，包括下述步骤：

获取待预测分类的多个对象对应的原始数据；

获取预设模型框架，所述预设模型框架包含多个模型，基于各所述对象的原始数据构建与各所述模型相对应的特征，并将构建的各所述特征进行组合编码生成组合特征集，其中，所述预设模型框架基于AutoML从多个模型框架中筛选获得；

将所述组合特征集输入所述预设模型框架，得到各所述对象的预测分类标签，实现各所述对象的预测分类。

为了解决上述技术问题，本申请实施例还提供一种基于AutoML的对象预测分类装置，采用了如下所述的技术方案：

一种基于AutoML的对象预测分类装置，包括：

数据获取模块，用于获取待预测分类的多个对象对应的原始数据；

特征生成模块，用于获取预设模型框架，所述预设模型框架包含多个模型，基于各所述对象的原始数据构建与各所述模型相对应的特征，并将构建的各所述特征进行组合编码生成组合特征集，其中，所述预设模型框架基于AutoML从多个模型框架中筛选获得；

分类预测模块，用于将所述组合特征集输入所述预设模型框架，得到各所述对象的预测分类标签，实现各所述对象的预测分类。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的基于AutoML的对象预测分类方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的基于AutoML的对象预测分类方法的步骤。