基于服务级别来执行机器学习预测的方法及系统技术方案

提供了一种基于服务级别来执行机器学习预测的方法及系统，包括：(a)获取预测数据记录；(b)基于预测数据记录的属性信息来生成与服务级别对应的机器学习模型的预测样本，其中，基本机器学习模型的预测样本包括基本特征子集，或者，增强机器学习模型的预测样本包括基本特征子集和至少一个附加特征子集；(c)将预测样本提供给机器学习模型，以得到针对预测样本的预测结果，其中，增强机器学习模型包括基本机器学习模型以及与基本机器学习模型类型相同且根据提升框架训练而成的至少一个附加子模型。由于针对服务级别来生成相应的机器学习样本，进而根据相应的特征设计和模型框架来实现机器学习，因此，可灵活有效地提供机器学习服务。

Method and system for executing machine learning prediction based on service level

Provides a method and system based on service level to perform the prediction of machine learning includes: (a) obtain forecast data records; (b) prediction samples to generate the corresponding service level and machine learning model based on attribute information prediction data records the basic machine learning model prediction samples including basic feature subset, or enhance machine learning to predict a sample model including basic feature subset and at least one additional feature subset; (c) will provide the prediction sample machine learning model, in order to get the prediction sample forecast results, the enhancement of machine learning models including the basic machine learning model and at least one additional sub model type according to the same and the lifting frame and trained with basic machine learning. The machine learning can be generated flexibly and efficiently by generating corresponding machine learning samples according to the service level, and then according to the corresponding feature design and model framework, so flexible and effective machine learning service can be provided.

【技术实现步骤摘要】
基于服务级别来执行机器学习预测的方法及系统
本专利技术的示例性实施例总体说来涉及人工智能领域，更具体地说，涉及一种基于服务级别来执行机器学习预测的方法及系统和一种基于服务级别来训练机器学习模型的方法及系统。
技术介绍
随着海量数据的出现，人工智能技术得到了迅速发展，为了从海量数据中挖掘出价值，机器学习技术被应用于互联网、金融、安防等各种领域的具体场景中。实践中，在提供机器学习应用的相关服务时，可从任何一个或多个方面来衡量这种服务的质量，比如，机器学习模型预测的准确性、稳定性、时效性、资源消耗性等等。与服务质量相关的因素很多，各因素之间的关系也比较复杂，往往需要综合考虑各个因素，例如，机器学习模型的模型算法、相关的数据规模、可利用的计算资源等。在机器学习技术中，需要基于数据记录来产生适用于机器学习的训练和/或预测样本。这里，每条数据记录可被看做关于一个事件或对象的描述，对应于一个示例或样例。在数据记录中，包括反映事件或对象在某方面的表现或性质的各个事项，这些事项可称为“属性”。通过对数据记录的属性信息进行诸如特征工程等处理，可产生包括各种特征的机器学习样本。数据记录的属性信息在形式或含义等方面各有特点，相应地，所产生的特征也会在形式或含义等方面存在各种差异。这种差异会直接影响到机器学习的服务质量，然而技术人员却难以有效地把握或利用这种影响。因此，如何有效灵活地提供机器学习服务成为本领域关注的技术问题。
技术实现思路
本专利技术的示例性实施例旨在克服现有机器学习模型难以有效灵活地提供机器学习服务的问题。根据本专利技术的示例性实施例，提供一种基于服务级别来执行机器学习预测的方法，包括：(a)获取预测数据记录；(b)基于预测数据记录的属性信息来生成与服务级别对应的机器学习模型的预测样本，其中，与服务级别之中的基本服务级别对应的基本机器学习模型的预测样本包括基本特征子集，或者，与服务级别之中的增强服务级别对应的增强机器学习模型的预测样本包括基本特征子集和至少一个附加特征子集；以及(c)将预测样本提供给与服务级别对应的机器学习模型，以得到针对预测样本的预测结果，其中，增强机器学习模型包括基本机器学习模型以及与基本机器学习模型类型相同且根据提升框架训练而成的至少一个附加子模型，其中，基本机器学习模型对应于基本特征子集，附加子模型对应于附加特征子集。可选地，在所述方法中，与服务级别对应的机器学习模型为预先基于所述服务级别训练出的唯一机器学习模型。可选地，在所述方法中，与服务级别对应的机器学习模型为从预先基于多个服务级别训练出的多个机器学习模型之中选取的与所述服务级别对应的一个机器学习模型。可选地，在所述方法中，服务级别用于衡量机器学习服务的至少一个方面相关。可选地，在所述方法中，服务级别与机器学习模型的模型算法、数据规模和/或计算资源相关。可选地，在所述方法中，通过由用户确定所述服务级别来选取与所述服务级别对应的机器学习模型；或者，通过自动确定所述服务级别来选取与所述服务级别对应的机器学习模型。可选地，在所述方法中，附加特征基于基本特征而产生。根据本专利技术的另一示例性实施例，提供一种基于服务级别来执行机器学习预测的介质，其中，在所述计算机可读介质上记录有用于执行上述任一方法的计算机程序。根据本专利技术的另一示例性实施例，提供一种基于服务级别来执行机器学习预测的计算装置，包括存储部件和处理器，其中，存储部件中存储有计算机可执行指令集合，当所述计算机可执行指令集合被所述处理器执行时，执行上述任一方法。根据本专利技术的另一示例性实施例，提供一种基于服务级别来训练机器学习模型的方法，包括：(A)获取训练数据记录；(B)基于训练数据记录的属性信息来生成与服务级别对应的机器学习模型的训练样本，其中，与服务级别之中的基本服务级别对应的基本机器学习模型的训练样本包括基本特征子集，或者，与服务级别之中的增强服务级别对应的增强机器学习模型的训练样本包括基本特征子集和至少一个附加特征子集；以及(C)利用生成的训练样本来训练与服务级别对应的机器学习模型，其中，增强机器学习模型包括基本机器学习模型以及与基本机器学习模型类型相同且根据提升框架训练而成的至少一个附加子模型，其中，基本机器学习模型对应于基本特征子集，附加子模型对应于附加特征子集。可选地，在所述方法中，针对多个服务级别之中选择的服务级别来执行所述方法，以得到唯一机器学习模型。可选地，在所述方法中，针对多个服务级别之中的每个服务级别来分别执行所述方法，以得到多个机器学习模型。可选地，在所述方法中，在步骤(C)中，在训练增强机器学习模型的情况下，通过固定其中已经训练出的基本机器学习模型和附加子模型来依次训练剩余附加子模型。可选地，在所述方法中，服务级别用于衡量机器学习服务的至少一个方面。可选地，在所述方法中，服务级别与机器学习模型的模型算法、数据规模和/或计算资源相关。可选地，在所述方法中，附加特征基于基本特征而产生。可选地，在所述方法中，基本机器学习模型和各个附加子模型分别基于相同或不同的训练数据记录训练而成。根据本专利技术的另一示例性实施例，提供一种基于服务级别来训练机器学习模型的介质，其中，在所述计算机可读介质上记录有用于执行上述任一方法的计算机程序。根据本专利技术的另一示例性实施例，提供一种基于服务级别来训练机器学习模型的计算装置，包括存储部件和处理器，其中，存储部件中存储有计算机可执行指令集合，当所述计算机可执行指令集合被所述处理器执行时，执行上述任一方法。根据本专利技术的另一示例性实施例，提供一种基于服务级别来执行机器学习预测的系统，包括：预测数据记录获取装置，用于获取预测数据记录；预测样本产生装置，用于基于预测数据记录的属性信息来生成与服务级别对应的机器学习模型的预测样本，其中，与服务级别之中的基本服务级别对应的基本机器学习模型的预测样本包括基本特征子集，或者，与服务级别之中的增强服务级别对应的增强机器学习模型的预测样本包括基本特征子集和至少一个附加特征子集；以及预测装置，用于将预测样本提供给与服务级别对应的机器学习模型，以得到针对预测样本的预测结果，其中，增强机器学习模型包括基本机器学习模型以及与基本机器学习模型类型相同且根据提升框架训练而成的至少一个附加子模型，其中，基本机器学习模型对应于基本特征子集，附加子模型对应于附加特征子集。可选地，在所述系统中，与服务级别对应的机器学习模型为预先基于所述服务级别训练出的唯一机器学习模型。可选地，在所述系统中，与服务级别对应的机器学习模型为从预先基于多个服务级别训练出的多个机器学习模型之中选取的与所述服务级别对应的一个机器学习模型。可选地，在所述系统中，服务级别用于衡量机器学习服务的至少一个方面相关。可选地，在所述系统中，服务级别与机器学习模型的模型算法、数据规模和/或计算资源相关。可选地，在所述系统中，通过由用户确定所述服务级别来选取与所述服务级别对应的机器学习模型；或者，通过自动确定所述服务级别来选取与所述服务级别对应的机器学习模型。可选地，在所述系统中，附加特征基于基本特征而产生。根据本专利技术的另一示例性实施例，提供一种基于服务级别来训练机器学习模型的系统，包括：训练数据记录获取装置，用于获取训练数据记录；训练样本产生装置，用于基于训练数据记录的属性本文档来自技高网...

【技术保护点】
一种基于服务级别来执行机器学习预测的方法，包括：(a)获取预测数据记录；(b)基于预测数据记录的属性信息来生成与服务级别对应的机器学习模型的预测样本，其中，与服务级别之中的基本服务级别对应的基本机器学习模型的预测样本包括基本特征子集，或者，与服务级别之中的增强服务级别对应的增强机器学习模型的预测样本包括基本特征子集和至少一个附加特征子集；以及(c)将预测样本提供给与服务级别对应的机器学习模型，以得到针对预测样本的预测结果，其中，增强机器学习模型包括基本机器学习模型以及与基本机器学习模型类型相同且根据提升框架训练而成的至少一个附加子模型，其中，基本机器学习模型对应于基本特征子集，附加子模型对应于附加特征子集。

【技术特征摘要】
1.一种基于服务级别来执行机器学习预测的方法，包括：(a)获取预测数据记录；(b)基于预测数据记录的属性信息来生成与服务级别对应的机器学习模型的预测样本，其中，与服务级别之中的基本服务级别对应的基本机器学习模型的预测样本包括基本特征子集，或者，与服务级别之中的增强服务级别对应的增强机器学习模型的预测样本包括基本特征子集和至少一个附加特征子集；以及(c)将预测样本提供给与服务级别对应的机器学习模型，以得到针对预测样本的预测结果，其中，增强机器学习模型包括基本机器学习模型以及与基本机器学习模型类型相同且根据提升框架训练而成的至少一个附加子模型，其中，基本机器学习模型对应于基本特征子集，附加子模型对应于附加特征子集。2.如权利要求1所述的方法，其中，与服务级别对应的机器学习模型为预先基于所述服务级别训练出的唯一机器学习模型。3.如权利要求1所述的方法，其中，与服务级别对应的机器学习模型为从预先基于多个服务级别训练出的多个机器学习模型之中选取的与所述服务级别对应的一个机器学习模型。4.如权利要求1所述的方法，其中，服务级别用于衡量机器学习服务的至少一个方面相关。5.如权利要求1所述的方法，其中，服务级别与机器学习模型的模型算法、数据规模和/或计算资源相关。6.如权利要求3所述的方法，其中，通过由用户确定所述服务级别来选取与所述服务级别对应的机器学习模型；或者，通过自动确定所述服务级别来选取与所述服务级别对应的机器学习模型。7.如权利要求1所述的方法，其中，附加特征基于基本特征而产生。8.一种基于服务级别来训练机器学习模型的方法，包括：(A)获取训练数据记录；(B)基于训练数据记录的属性信息来生成与服务级别对应的机器学习模型的训练样本，其中，与服务级别之中的基本服务级别对应的基本机器学习模型的训练样本包括基本特征子集，或者，与服务级别之中的增强服务级别对应的增强机器学习模型的训练样...

【专利技术属性】
技术研发人员：陈雨强，戴文渊，杨强，罗远飞，涂威威，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：北京,11