[发明专利]自动化机器学习、训练方法、装置及存储介质

说明书

本发明公开了一种自动化机器学习、训练方法、装置及存储介质，包括：自动数据清洗步骤，清洗原始专利信息不规范字段及噪声；自动特征工程步骤；AutoML自动特征工程步骤，将原始特征清洗成AutoML系统处理格式，进行自动特征生成及场景类型特征选择迭代；所述的特征选择迭代采用lightGBM单模型；所述的特征强化步骤，通过业务逻辑，结合已有特征的重要性，挖掘业务信息，构造反应业务信息的特征；自动特征选择步骤，对专利的特征进行选择评分；自动模型融合步骤；采用Stacking+Bagging的方式进行模型融合增强结果稳定性。本发明构建了多种不同类型模型的集成，使得集成之后的模型效果有所提升。

技术领域

本申请涉及机器学习领域，具体而言，涉及一种自动化机器学习、训练方法、装置及存储介质。

背景技术

IEEE ISI是安全信息学领域的旗舰会议，于2003年首次在美国亚利桑那州图森市召开。在过去的16年中，IEEE ISI会议已经从传统的智能和安全领域发展到多领域联合研究与创新。为促进人工智能赋能的解析学技术(AI-Enabled Analytics)的产业落地，并为全球学术界和产业界同行提供一个学术交流与技术探讨的平台，IEEE ISI会议特发起本届国际大数据分析竞赛(IEEE ISI World Cup 2019，IWC 2019)本次比赛从2019年2月1日开始报名，期间2019年5月1日发布比赛结果，到7月1日举办Workshop，历时5个月，为研究人员和行业从业者提供了一个国际论坛，供大家分享在ISI领域的创新想法，原创成果和实践经验。

主办方为本次比赛提供了基于3500家上市公司全量信息，描述公司在财务、法务、股权、经营状况、舆论等方面的属性特征。共设计两个赛题：企业投资价值评估和法律诉讼类型预测。

本发明可通过企业的年报、财务信息、经营信息、资产信息、税务信息、知识产权等企业综合信息对企业投资情况进行打分，为投资者提供投资依据。

发明内容

1、本发明的目的

本发明为了解决能够自动对企业的投资情况进行打分，而提出了一种自动化机器学习方法。

2、本发明所采用的技术方案

本发明公开了一种自动化机器学习方法，包括：

自动数据清洗步骤，清洗原始特征中专利信息不规范字段及噪声；

自动特征工程步骤，包括AutoML自动特征工程步骤和特征强化步骤；所述AutoML自动特征工程步骤，将所述原始特征清洗为AutoML系统处理格式，进行自动特征生成及场景类型特征选择迭代；所述的特征选择迭代采用lightGBM单模型；所述的特征强化步骤，获取预设业务逻辑信息，构造反应业务信息的特征；

自动特征选择步骤，对专利的特征进行选择评分；

自动模型融合步骤，采用Stacking学习使用底层学习器的预测结果，在Bagging中使用不同seed生成模型，最后将Stacking的结果与Bagging结果进行简单线性加权融合作为最终预测结果。

优选的，所述的AutoML自动特征工程步骤；将所述原始特征清洗成AutoML系统处理格式，进行自动特征生成及场景类型特征选择迭代，所述的原始特征包括数值类型，分类类型，时间类型以及文本类型；所述的特征选择迭代采用lightGBM单模型，选择和本次任务契合的场景类型进行自动特征工程，在每一轮场景类型特征迭代过程中根据上一轮场景类型特征的重要性分配权重进行迭代更新。

优选的，所述的特征强化步骤：

对所述的数值类型和类目特征生成统计特征，以及数值和分类的聚合特征；

对所述的时间类型，提取周期性特征；