[发明专利]生成机器学习输出的方法

权利要求书

1.一种用于生成一个或多个输出的计算机实现的方法，包括：

以高级语言提供代码，所述代码包括定义所需输出的一个或多个属性的一个或多个语句；

确定所述所需输出的一个或多个属性在所述代码中未被定义；

使用机器学习算法定义所述一个或多个未定义属性中的至少一个属性；

基于所述代码中定义的所述一个或多个属性和使用所述机器学习算法定义的所述至少一个属性来生成输出；以及

重新定义使用所述机器学习算法定义的所述输出的至少一个属性，以生成重新定义的输出，

其中使用所述机器学习算法定义的至少一个属性被自动重新定义，以及

其中使用所述机器学习算法定义的至少一个属性基于一个或多个先前输出的相关联性能级别被自动重新定义。

2.如权利要求1所述的计算机实现的方法，其特征在于，使用所述机器学习算法定义的所述至少一个属性被并入到至少一个语句的代码中以提供所述代码的第一修改版本，并且其中所述输出是至少部分地基于所述代码的第一修改版本来生成的。

3.如权利要求2所述的计算机实现的方法，其特征在于，重新定义所述输出的至少一个属性包括在所述代码中修改或添加至少一个相应对应语句以提供所述代码的第二修改版本，并且其中所述重新定义的输出是至少部分地基于所述代码的第二修改版本来生成的。

4.如任一前述权利要求所述的计算机实现的方法，其特征在于，使用所述机器学习算法定义的至少一个属性是经由用户输入来重新定义的。

5.如任一前述权利要求所述的计算机实现的方法，其特征在于，所述机器学习算法是解决方案空间搜索算法。

6.如权利要求5所述的计算机实现的方法，其特征在于，所述解决方案空间搜索算法包括以下之一：

贝叶斯算法；

进化算法，例如基因编程算法；

量子退火算法；

强化学习算法；

超参数优化算法；

基于梯度的算法；

基于种群的训练算法；

监督机器学习算法；或者

无监督机器学习算法。

7.如任一前述权利要求所述的计算机实现的方法，进一步包括：

在以高级语言提供所述代码之前：

向所述机器学习算法提供数据集；以及

基于所述数据集使用所述机器学习算法生成所述高级语言的代码。

8.如任一前述权利要求所述的计算机实现的方法，其特征在于，所述代码中存在所述所需输出的多个未定义属性，并且其中所述所需输出的多个未定义属性包括：

第一类型的属性的第一未定义子集，其中所述第一类型的属性以所述代码的高级语言指定；以及

第二类型的属性的第二未定义子集，其中所述第二类型的属性不以所述代码的高级语言指定。

9.如权利要求8所述的计算机实现的方法，其特征在于：

第一机器学习算法和基于第一分数的反馈机制被用于定义属性的所述第一未定义子集；以及

第二机器学习算法和基于第二分数的反馈机制被用于定义属性的所述第二未定义子集。

10.如任一前述权利要求所述的计算机实现的方法，其特征在于，所述一个或多个输出是机器学习模型，并且其中所述方法进一步包括：

向所述机器学习算法提供用于训练所述机器学习算法以定义未定义属性的训练数据；以及

其中与每个机器学习模型相关联的所述性能级别基于测试数据。

11.如任一前述权利要求所述的计算机实现的方法，进一步包括：

基于用于定义所述所需输出的代码中定义的所述属性来确定所述所需输出的预期目的，

其中使用机器学习算法定义所述未定义的一个或多个属性的至少一个属性至少部分地基于所述确定。