[发明专利]用于使机器学习自动化的设备和使机器学习自动化的方法

说明书

一种设备（100）和计算机实现的方法，包括：提供具有参数的机器学习流水线（M）的表示；提供多个元素及其关系的多个元素的表示（O）；提供多个元素的表示（O）中的第一元素；根据第一元素来确定多个元素的表示（O）中的第二元素，其中，第一元素和第二元素具有满足第一条件的关系，特别地，第二元素是根据在多个元素的表示（O）中编码的语义从多个元素的表示（O）中的第一元素在语义上可得的；以及根据第二元素来确定参数。

技术领域

本发明涉及机器学习的自动化，尤其涉及流水线构造和流水线配置的自动化。

背景技术

机器学习流水线可以将原始数据变成结论和功能机器学习模型。

机器学习流水线的开发是复杂的过程，其需要对数据的深入理解以及对领域和要解决的问题的必要理解。这需要在信息处理和数据分析中特别是在机器学习中进行专门的训练。

发明内容

用于使机器学习自动化的设备和使机器学习自动化的计算机实现的方法提供了使得较不熟练的或未受训练的用户能够创建功能机器学习模型的工具。

该设备和方法可被应用在其中存在针对用于数据分析的机器学习流水线的开发的任何以下要求的任何情况下。

机器学习流水线构造应该是自动化的，以节省大量的开发工作和时间。机器学习流水线应当是可由非专家配置的。机器学习流水线应当针对多个不同的数据集可修改，以解决若干任务。机器学习流水线也应当针对未来的场景可修改。

计算机实现的方法包括：提供具有参数的机器学习流水线的表示；提供多个元素及其关系的表示；提供多个元素的表示中的第一元素；根据第一元素来确定多个元素的表示中的第二元素，其中，第一元素和第二元素具有满足第一条件的关系，特别地，第二元素是根据在多个元素的表示中编码的语义从多个元素的表示中的第一元素在语义上可得的；以及根据第二元素来确定参数。

有利地，该方法包括：根据第二元素来确定多个元素的表示中的第三元素，其中，第二元素和第三元素具有满足第二条件的关系，特别地，第三元素是从多个元素的表示中的第二元素在语义上可得的；以及如果满足第二条件，则根据第二元素和第三元素来确定参数，否则，不根据第二元素和第三元素来确定参数。这允许更复杂的处理，以提供用于对应依赖性的三维映射。

有利地，多个元素的表示包括本体或表示本体的图形。本体或图形以适合于自动处理的格式对关于机器学习的知识进行编码。

有利地，该方法包括：提供输入数据；以及提供输入数据的特征的注释，特别是输入数据中的变量名，其中，提供第一元素包括根据第一本体针对注释来确定多个元素的表示的元素，其表示多个元素的表示中的输入数据的特征，特别是输入数据的变量名，其中，提供第二元素包括根据第一本体针对第一元素来确定多个元素的表示的元素，其表示多个元素的表示中的特征名，特别是域中的变量名，并且其中，该方法还包括确定包括输入数据、第一元素和第二元素的第一数据集。这对于非专家用户来说是有用的界面。

有利地，确定第三元素包括特别是根据第二本体针对第二元素来确定多个元素的表示的元素，其表示满足第三条件的多个元素的表示中的特征群组。第二本体表示关于特征群组的专家知识，使其对于非专家用户是可用的。

有利地，该方法包括确定第四元素，其中，确定第四元素包括特别是根据第三本体针对第三元素来确定多个元素的表示的元素，其表示满足第三条件的处理算法，特别地，第四元素是从多个元素的表示中的第三元素在语义上可得的。这样，处理算法被自动选择。

在一个方面，该方法包括确定包括第一数据集、第二元素、第三元素和第四元素的第二数据集。