申请/专利权人：第四范式(北京)技术有限公司

申请日：2018-11-12

公开（公告）日：2024-04-16

公开（公告）号：CN111178533B

主分类号：G06N20/00

分类号：G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.12.28#实质审查的生效;2020.05.19#公开

摘要：本发明公开了一种实现自动半监督机器学习方法及装置，涉及机器学习技术领域，主要目的在于解决现有的半监督机器学习过程中消耗人力的问题。本发明主要的技术方案为：获取目标数据集；选择与目标数据集相似的一个经验数据集，将经验数据集上所使用的半监督机器学习算法确定为目标数据集的半监督机器学习算法；根据半监督机器学习算法以及对应的多组超参数，分别在目标数据集上进行模型训练和预测，得到对应每组超参数的模型和预测结果，并根据每组超参数对应的预测结果，从多组超参数中选择适合目标数据集的一组超参数；将适合所述目标数据集的一组超参数对应的模型确定为目标数据集的半监督机器学习模型。本发明用于目标数据集的半监督机器学习。

主权项：1.一种实现自动半监督机器学习的方法，应用于基于机器学习技术进行分类处理的业务场景，其中，所述方法包括：获取目标数据集，所述目标数据集中的部分样本数据具有标记，所述目标数据集至少为网页数据集或医学影像数据集；选择与目标数据集相似的一个经验数据集，将所述经验数据集上所使用的半监督机器学习算法确定为所述目标数据集的半监督机器学习算法；其中，若所述目标数据集为网页数据集，则所述经验数据集上所使用的半监督机器学习算法为：基于与所述网页数据集相似的一个经验数据集上进行半监督学习而得到最优半监督学习的算法；若所述目标数据集为医学影像数据集，则所述经验数据集上所使用的半监督机器学习算法为：基于与所述医学影像数据集相似的一个经验数据集上进行半监督学习而得到最优半监督学习的算法；根据所述半监督机器学习算法以及对应的多组超参数，分别在所述目标数据集上进行模型训练和预测，得到对应每组超参数的模型和预测结果，并根据每组超参数对应的预测结果，从所述多组超参数中选择适合所述目标数据集的一组超参数；将与所选择的适合所述目标数据集的一组超参数对应的模型确定为所述目标数据集的半监督机器学习模型，所述半监督机器学习模型为至少适用于处理网页分类业务场景或医学影像分类业务场景。

全文数据：

权利要求：

百度查询： 第四范式(北京)技术有限公司 实现自动半监督机器学习的方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD