[发明专利]一种机器学习方法及系统

说明书

本发明公开了一种机器学习方法及系统。机器学习方法包括：模型建立步骤：建立设备对象模型；数据存储步骤：mysql存储数据来源，将字段信息与设备对象模型映射关系、映射关系数据存储到MySql数据库中；算法管理步骤：将算法文件、配置文件打包上传，并根据所述配置文件的信息进行算法解析；训练任务创建步骤：新建训练任务并根据执行策略执行训练任务；预测任务创建步骤：新建预测任务根据执行策略执行预测任务。本发明提出了基于PHM数据建模的一站式机器学习平台，该平台立足于实际业务，为用户提供垂直领域场景化的解决方案，提高用户开发效率。

技术领域

本申请涉及数据建模领域，尤其涉及一种机器学习方法及系统。

背景技术

继移动互联网后，人工智能(Artificial Intelligence，AI)站到了行业的风口上。无论是巨头厂商，还是业界新贵，都在大力研发AI技术，提升自己的技术竞争力，并为自家的业务赋能。机器学习作为AI技术的核心，是计算机智能化的基础。目前，机器学习已经带来很多应用，比如人脸识别、知识图谱等，各行业对机器学习都带有很高的期望，但与之矛盾的是，机器学习技术的应用门槛较高，每一步流程都需要专业知识，需要大量的时间对各流程进行优化。为了解决上述问题，构建一个集数据处理、算法上传、模型管理、任务训练/预测、在线预测服务等功能于一身的机器学习平台来辅助非算法开发人员，帮助其脱离繁琐的工程化开发，把有限的精力聚焦于机器学习一站式服务具有很强的现实意义和广泛的应用场景。通过机器学习平台，非算法工程师也可以立足于实际业务，搭建简单的机器学习模型，完成数据建模，解决用户所在垂直领域的业务需求。另外，在“智能制造2025”的大背景下，利用信息技术解决传统制造业中的痛点问题成为了当前的研究焦点。工业界和信息领域为解决设备故障与维修这一痛点，提出了故障预测与健康管理(PrognosticsHealth Management，PHM)，其关键技术是基于机器学习进行故障诊断与预测。目前的机器学习平台为了降低使用门槛，对机器学习算法都进行了高度封装，而封装的算法只满足通用领域的需求，无法直接应对垂直领域的业务需求。

因此，针对以上现状，本发明提出一种机器学习方法及系统，本发明立足于公司内的实际需求进行了需求分析，明确了要解决的问题，并通过分析公司内部相关业务开发人员的需求，设计了平台的整体架构。通过方案解决流程图的形式对几大模块的主要功能进行了详细介绍，展示了几大模块的内部实现以及几大模块之间的协作关系。该平台针对PHM场景，建立一个支持多模型、多引擎的机器学习平台，为用户提供了从数据管理、算法管理、任务管理到平台服务的一站式全流程机器学习解决方案。该平台立足于实际业务，为用户提供垂直领域场景化的解决方案，提高用户开发效率。

发明内容

本申请实施例提供了一种机器学习方法及系统，以至少解决相关技术中主观因素影响的问题。

本发明提供了一种机器学习方法，包括：

模型建立步骤：建立设备对象模型；

数据存储步骤：封装大数据平台接口，调用所述接口将数据源信息存储到数据库中，配置所述设备对象模型的模型信息和字段信息的映射关系，并将所述映射关系和映射数据存储到所述数据库中；

算法管理步骤：上传算法，选择所述设备对象模型，上传算法文件及配置文件，根据所述配置文件中的信息解析算法参数，将所述算法参数存储到所述数据库中；

训练任务创建步骤：新建训练任务，选择训练任务类型、训练算法参数，通过所述训练算法参数定位所述设备对象模型，根据时间范围从所述设备对象模型中选择实例数据后配置训练任务执行策略，并执行所述设备对象模型训练，将训练验证结果存储到所述数据库之后发布训练模型；

预测任务创建步骤:新建预测任务，添加预测任务属性，选择预测任务类型、预测算法参数，通过所述预测算法参数定位所述设备对象模型并选择所述训练模型，发布所述预测任务，并按策略执行所述预测任务后存储预测结果。