一种基于自动机器学习的软件设计方法技术

本发明专利技术公开了一种基于自动机器学习的软件设计方法，包括以下步骤：通过数据获取模块获取用户设定的用于表征至少部分机器学习建模过程的过程配置数据，利用数据交互模块将获取的过程配置数据与原始数据进行对比；通过数据筛选模块对获取的多个数据进行筛选，将优于原始数据的过程配置数据储存至数据储存模块中，通过数据分析模块将筛选后的过程配置数据进一步解析；利用指令模块操作执行终端进行操作训练，将得到的若干训练数据再次通过数据交互模块进行对比，经过输出模块输出操作参数的最佳取值，进而得到自动机器的最佳操作数据参数，机器自动完成学习。根据机器学习建模过程的过程配置数据，辅助机器自主训练学习，提高机器完善的效率。

【技术实现步骤摘要】
一种基于自动机器学习的软件设计方法
本专利技术涉及软件设计领域，尤其涉及一种基于自动机器学习的软件设计方法。
技术介绍
自动化机器学习是将机器学习应用于现实世界问题的端到端自动化过程。在一个典型的机器学习应用中，工程师将一个由输入数据点组成的数据集进行训练。可能不是所有算法都可以开箱即用地适用于原始数据本身的形式。机器学习的专家可能必须应用适当的数据预处理、特征工程、特征提取和特征选择方法，使数据集适合机器学习。由于这些中的许多步骤往往超出了非专家的能力，所以自动化机器学习被提出来作为一种基于人工智能的解决方案，以应对如何应用机器学习这一日益增长的挑战。将端到端机器学习的应用过程自动化为此提供了一些优势：产生更简单的解决方案、更快地创建这些解决方案以及通常比手工设计更优的模型。然而，自动化机器学习并不是灵丹妙药，它可以引入自己的额外参数，称为超参数，这可能需要一些专业知识来自行设置。当谈到在组织里执行机器学习项目时，数据科学家、项目经理和业务主管需要一起工作来部署最好的模型，从而满足特定的业务目标。这一步的中心目标就是识别出需要在分析中预测的关键业务变量。我们将这些变量看成模型的目标，然后使用和它们相关的指标来确保项目的成功。随着深度学习的流行，工程师需要选择相应的神经网络架构，训练过程，正则化方法，超参数，等等，所有的这些都对算法的性能有很大的影响。于是深度学习工程师也被戏称为调参工程师。自动机器学习的目标就是使用自动化的数据驱动方式来做出上述的决策。用户只要提供数据，自动机器学习系统自动的决定最佳的方案，领域专家不再需要苦恼于学习各种机器学习的算法。在现有技术中，很多机器自动学习并不能得到很好的应用，主要原因在于训练成本较高，需要大量的训练和数据输入才能达到满意的程度，而很多问题找不到足够的数据，需要花费大量的金钱和时间去抓取原始数据。另一方面，由于知识是从数据中提取出来的，机器无法直接学习知识，更不善于解决一些特定问题。
技术实现思路
本专利技术克服了现有技术的不足，提供一种基于自动机器学习的软件设计方法。为达到上述目的，本专利技术采用的技术方案为：一种基于自动机器学习的软件设计方法，包括以下步骤：步骤S1：通过数据获取模块获取用户设定的用于表征至少部分机器学习建模过程的过程配置数据，利用数据交互模块将获取的过程配置数据与原始数据进行对比。步骤S2：通过数据筛选模块对获取的多个数据进行筛选，将优于原始数据的过程配置数据储存至数据储存模块中，通过数据分析模块将筛选后的过程配置数据进一步解析。步骤S3：利用指令模块操作执行终端进行操作训练，将得到的若干训练数据再次通过数据交互模块进行对比，经过输出模块输出操作参数的最佳取值，进而得到自动机器的最佳操作数据参数，自动机器完成学习。本专利技术一个较佳实施例中，根据所述过程配置数据、原始数据，确定操作参数的一组或多组取值组合。本专利技术一个较佳实施例中，所述取值组合包括：动作数据、方法数据以及最终目标数据中的三种数据的组合。本专利技术一个较佳实施例中，在所述步骤S1之前设置所述动作数据、所述方法数据以及所述最终目标数据的标准数据值，所述标准数据值用于辅助判断模块进行数据对比。本专利技术一个较佳实施例中，所述步骤S1中通过判断模块对获取数据进行分类，根据所述动作数据属性，计算动作相似度；根据所述方法数据属性，计算方法相似度；根据所述最终目标数据属性，计算最终目标相似度。本专利技术一个较佳实施例中，将所述步骤S3中经过数据交互模块进行对比之后获得的最佳操作数据参数作为原始数据。本专利技术一个较佳实施例中，包括：软件单元和执行终端，所述软件单元包括：数据获取模块、数据筛选模块、数据储存模块、分析模块、指令模块、判断模块、数据转换模块、数据交互模块和输出模块。所述执行终端用于执行指令模块发出指令，进行实际操作训练；所述执行终端还包括数据上传接口，所述数据上传接口用于接收用户提供的过程配置数据。本专利技术一个较佳实施例中，所述软件单元还包括：数据加密子模块，所述数据加密子模块用于对发送的数据信息进行加密处理。本专利技术一个较佳实施例中，所述数据转换模块用于将所采集的数据信息进行转换，实行统一数据形式输入至数据储存模块中。本专利技术一个较佳实施例中，所述数据压缩子模块用于将数据储存模块中的数据进行压缩处理，方便数据储存模块对数据进行储存。本专利技术解决了
技术介绍
中存在的缺陷，本专利技术具备以下有益效果：(1)本专利技术根据机器学习建模过程的过程配置数据，辅助机器自主训练学习，不用再大量的工程人员进行人工调试参数，进而节约大量的人工成本，同时，利用机器自身实现数据的不断完善和调整，能够进一步加快机器自动学习的速度，提高机器完善的效率。另一方面，通过输出模块将多个执行结果进行对比，选取出最佳操作数据参数，进而使机器学习更完善。(2)本专利技术通过将各项数据进行组合，对获取的数据进行多维度参考，能够确保机器学习更全面，得到的执行结果也更可靠，同时在取值组合中针对动作数据、方法数据以及最终目标数据中的三种数据进行组合，能够得到更具体的机器操作参数，进一步确保机器学习的目标更明确，体系更系统。(3)本专利技术通过数据交互模块将原始数据与获取的过程配置数据进行参照对比，经过多次筛选，选取最佳的操作数据参数，不需要工程人员及专家进行手动升级、维修，能够以半自动形式进行完善；同时，将经过数据交互模块进行对比之后获得的最佳操作数据参数作为原始数据，能够在机器学习过程中不断强化自身行为参数，逐步趋于智能化，更全备地代替操作人员。(4)本专利技术通过数据压缩子模块将图像采集模块采集信息进行压缩处理，使数据储存模块储存数据时更迅速，同时能够进一步增大其存储量，另一方面，通过数据加密子模块对数据信息进行加密处理，防止各项数据出现传输错误现象，进而保证数据之间传输的精确性，同时使自动机器学习更高效。(5)本专利技术通过数据转换模块，能够将各种格式的数据转换为统一的形式，更方便数据分析模块对数据进行分析，进而确保机器得到的训练数据能够完全存储至数据储存模块中，进而使机器学习更全面。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术中各单元模块分布框图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。如图1所示，一种基于自动机器学本文档来自技高网...

【技术保护点】
1.一种基于自动机器学习的软件设计方法，其特征在于，包括以下步骤：/n步骤S1：通过数据获取模块获取用户设定的用于表征至少部分机器学习建模过程的过程配置数据，利用数据交互模块将获取的过程配置数据与原始数据进行对比；/n步骤S2：通过数据筛选模块对获取的多个数据进行筛选，将优于原始数据的过程配置数据储存至数据储存模块中，通过数据分析模块将筛选后的过程配置数据进一步解析；/n步骤S3：利用指令模块操作执行终端进行操作训练，将得到的若干训练数据再次通过数据交互模块进行对比，经过输出模块输出操作参数的最佳取值，进而得到自动机器的最佳操作数据参数，自动机器完成学习。/n

【技术特征摘要】
1.一种基于自动机器学习的软件设计方法，其特征在于，包括以下步骤：
步骤S1：通过数据获取模块获取用户设定的用于表征至少部分机器学习建模过程的过程配置数据，利用数据交互模块将获取的过程配置数据与原始数据进行对比；
步骤S2：通过数据筛选模块对获取的多个数据进行筛选，将优于原始数据的过程配置数据储存至数据储存模块中，通过数据分析模块将筛选后的过程配置数据进一步解析；
步骤S3：利用指令模块操作执行终端进行操作训练，将得到的若干训练数据再次通过数据交互模块进行对比，经过输出模块输出操作参数的最佳取值，进而得到自动机器的最佳操作数据参数，自动机器完成学习。


2.根据权利要求1所述的一种基于自动机器学习的软件设计方法，其特征在于：根据所述过程配置数据、原始数据，确定操作参数的一组或多组取值组合。


3.根据权利要求1所述的一种基于自动机器学习的软件设计方法，其特征在于：所述取值组合包括：动作数据、方法数据以及最终目标数据中的三种数据的组合。


4.根据权利要求3所述的一种基于自动机器学习的软件设计方法，其特征在于：在所述步骤S1之前设置所述动作数据、所述方法数据以及所述最终目标数据的标准数据值，所述标准数据值用于辅助判断模块进行数据对比。


5.根据权利要求3所述的一种基于自动机器学习的软件设计方法，其特征在于：所述步骤S1中通过判断模块对获取数据进行分类，
根据所述动作数据...

【专利技术属性】
技术研发人员：柏战华，胡静远，
申请(专利权)人：合肥海赛信息科技有限公司，
类型：发明
国别省市：安徽;34