目标模型的构建方法、装置、存储介质和电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115759281A(43)申请公布日2023.03.07(21)申请号202211316532.7(22)申请日2022.10.26(71)申请人用友网络科技股份有限公司地址100094北京市海淀区北清路68号(72)发明人张宇何鑫毛远曼(74)专利代理机构北京友联知识产权代理事务所(普通合伙)11343专利代理师马静(51)Int.Cl.G06N20/00(2019.01)权利要求书2页说明书12页附图5页(54)发明名称目标模型的构建方法、装置、存储介质和电子设备(57)摘要本申请提出了一种目标模型的构建方法、装置、存储介质和电子设备。该构建方法用于构建用户需要的机器学习算法的目标模型，该构建方法包括：获取用户输入的配置信息和训练数据集；根据配置信息设置第一系统中的配置选项，确定第一模型；根据配置信息和训练数据集训练第一模型，确定目标模型；其中，第一系统为预先构建的能够根据用户输入的信息确定目标模型的模型构建系统。CN115759281ACN115759281A权利要求书1/2页1.一种目标模型的构建方法，其特征在于，包括：获取用户输入的配置信息和训练数据集；根据所述配置信息设置第一系统中的配置选项，确定第一模型；根据所述配置信息和所述训练数据集训练所述第一模型，确定所述目标模型；其中，所述第一系统为预先构建的能够根据用户输入的信息确定所述目标模型的模型构建系统。2.根据权利要求1所述的目标模型的构建方法，其特征在于，所述配置信息包括所述目标模型的任务类型的第一信息、所述任务类型对应算法的第二信息，根据所述配置信息设置第一系统中的配置选项，确定第一模型，具体包括：根据所述第一信息确定所述配置选项中的任务类型；根据所述任务类型确定与其对应的算法列表；根据所述第二信息从所述算法列表中确定目标算法，并根据所述目标算法构建所述第一模型。3.根据权利要求1所述的目标模型的构建方法，其特征在于，根据所述配置信息和所述训练数据集训练所述第一模型，具体包括：对所述训练数据集进行预处理，确定训练样本；在所述配置信息中设置有超参数的情况下，以所述配置信息中设置的超参数作为目标超参数，并根据所述目标超参数和所述训练样本训练所述第一模型；或在所述配置信息中设置有超参数范围的情况下，采用迭代算法求解所述超参数范围中的目标超参数，并根据所述目标超参数和所述训练样本训练所述第一模型；或在所述配置信息未设置有超参数和超参数范围的情况下，采用迭代算法求解所述目标算法的目标超参数，并根据所述目标超参数和所述训练样本训练所述第一模型。4.根据权利要求3所述的目标模型的构建方法，其特征在于，所述对所述训练数据集进行预处理，确定训练样本，具体包括：采用特征列选择、目标列选择、数据筛选、数据探索、数据处理和不平衡样本处理中的一种或多种方式处理所述训练数据集，确定所述训练样本。5.根据权利要求1至4中任一项所述的目标模型的构建方法，其特征在于，所述确定所述目标模型之后，所述构建方法还包括：对所述目标模型进行性能评估，并确定性能评估结果。6.根据权利要求1至4中任一项所述的目标模型的构建方法，其特征在于，所述确定所述目标模型之后，所述构建方法还包括：对所述目标模型进行可解释性分析，并确定可解释性分析结果。7.一种目标模型的构建装置，其特征在于，包括：获取模块，用于获取用户输入的配置信息和训练数据集；第一处理模块，用于根据所述配置信息设置第一系统中的配置选项，确定第一模型；第二处理模块，用于根据所述配置信息和所述训练数据集训练所述第一模型，确定所述目标模型；其中，所述第一系统为预先构建的能够根据用户输入的信息确定所述目标模型的模型构建系统。2CN115759281A权利要求书2/2页8.一种目标模型的构建装置，其特征在于，包括：存储器和处理器，所述存储器存储有程序，所述处理器执行所述程序时实现如权利要求1至6中任一项所述的目标模型的构建方法的步骤。9.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至6中任一项所述的目标模型的构建方法的步骤。10.一种电子设备，其特征在于，包括：如权利要求7或8所述的目标模型的构建装置；和/或如权利要求9所述的可读存储介质。3CN115759281A说明书1/12页目标模型的构建方法、装置、存储介质和电子设备技术领域[0001]本申请涉及计算机技术领域，具体而言，涉及一种目标模型的构建方法、装置、存储介质和电子设备。背景技术[0002]相关技术中，开发某项业务的机器学习算法模型时，需要采用相应的开发软件通过编程的方式对机器学习算法模型进行构建，但这种方案对于熟悉业务和算法但不熟悉具体编程语言的用户来说，开发模型难度