[发明专利]基于人工智能的自动化建模方法及装置

说明书

为了解决现有机器学习建模门槛高的问题，本公开提供了一种基于人工智能的自动化建模方法及装置，降低机器学习建模的门槛。一种基于人工智能的自动化建模方法，包括：生成模型训练方案选择页面，模型训练方案选择页面中每个可选择的模型训练方案关联适用于该模型训练方案的算法模型；获取用户从模型训练方案选择页面中选择的目标模型训练方案；获取训练样本；根据训练样本训练目标模型训练方案所关联的算法模型，以生成用户所需的目标模型。实施本申请的基于人工智能的自动化建模方法或采用本申请的基于人工智能的自动化建模装置建模，可以降低机器学习建模的门槛。

技术领域

本公开涉及建模领域，尤其涉及一种基于人工智能的自动化建模方法及装置。

背景技术

在典型的机器学习应用程序中，从业者必须执行算法选择和超参数优化，以最大化机器学习模型的预测性能。但由于相关步骤超出了非专家的能力，导致机器学习建模的门槛高，不利于机器学习建模的推广与普及。

发明内容

为了解决上述技术问题中的至少一个，本公开提供了一种基于人工智能的自动化建模方法及装置，降低机器学习建模的门槛。

本公开的第一方面，一种基于人工智能的自动化建模方法，包括：

生成模型训练方案选择页面，模型训练方案选择页面中每个可选择的模型训练方案关联适用于该模型训练方案的算法模型；

获取用户从模型训练方案选择页面中选择的目标模型训练方案；

获取训练样本；

根据训练样本训练目标模型训练方案所关联的算法模型，以生成用户所需的目标模型。

可选的，方法包括：

根据模型所需识别的内容，确定模型类别及适用于该模型类别的算法模型；

根据模型类别，生成该模型类别的模型训练方案，并将该模型类别的模型训练方案与适用于该模型类别的算法模型关联。

可选的，模型训练方案选择页面中的模型训练方案包括以下模型训练方案中的一种或两种以上：自然语言处理模型训练方案、视觉模型训练方案、翻译模型训练方案、数值分析模型训练方案和多媒体模型训练方案。

可选的，获取训练样本包括：

获取特征数据集；

将所述特征数据集中未打标签的特征数据打上标签；

以所有打有标签的特征数据作为训练样本。

可选的，方法包括：

展示训练样本中的特征数据及其标签；

获取特征数据的标签修改数据；

根据标签修改数据修改所述标签修改数据所对应的特征数据的标签。

本公开的第二方面，一种基于人工智能的自动化建模装置，包括：

页面生成模块，用于生成模型训练方案选择页面，模型训练方案选择页面中每个可选择的模型训练方案关联适用于该模型训练方案的算法模型；

方案获取模块，用于获取用户从模型训练方案选择页面中选择的目标模型训练方案；

样本获取模块，用于获取训练样本；

模型生成模块，用于根据训练样本训练目标模型训练方案所关联的算法模型，以生成用户所需的目标模型。

可选的，装置还包括：

模型类别确定模块，用于根据模型所需识别的内容，确定模型类别及适用于该模型类别的算法模型；