CN110598868B - 一种机器学习模型搭建方法、装置及相关设备 - Google Patents

Abstract

本发明实施例提供一种机器学习模型搭建方法、装置及相关设备，其中，由移动终端执行的方法包括：加载操作页面，所述操作页面展示有多个算法组件；响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件；向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。本发明实施例可实现便捷的机器学习模型搭建。

Description

一种机器学习模型搭建方法、装置及相关设备

技术领域

本发明涉及人工智能技术领域，具体涉及一种机器学习模型搭建方法、装置及相关设备。

背景技术

随着人工智能技术的兴起，机器学习模型在越来越多的领域得到了应用，例如，在自然语言处理、图像处理、语音处理等领域，机器学习模型已有着广泛和深入的应用。

机器学习模型的应用需要基于机器学习模型的训练，而在训练机器学习模型之前，搭建机器学习模型的框架结构往往是一个较为费时和麻烦的阶段；因此，在用户存在机器学习模型搭建需求时，如何便捷的实现机器学习模型的搭建，成为了目前迫切需要解决的问题。

发明内容

有鉴于此，本发明实施例提供一种机器学习模型搭建方法、装置及相关设备，以实现便捷的机器学习模型搭建。

为实现上述目的，本发明实施例提供如下技术方案：

一种机器学习模型搭建方法，应用于移动终端，所述方法包括：

加载操作页面，所述操作页面展示有多个算法组件；

响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件；

向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；

响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。

本发明实施例还提供一种机器学习模型搭建方法，应用于平台服务器，所述方法包括：

向移动终端下发操作页面，所述操作页面展示有多个算法组件；

获取移动终端发送的算法组件选择通知，以确定从所述操作页面展示的多个算法组件中选择的目标算法组件；其中，所述算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；

获取移动终端发送的算法组件配置通知，以确定目标算法组件的配置结果；其中，所述算法组件配置通知指示有，所述移动终端响应的配置操作指令相应的目标算法组件的配置结果；

根据所述配置结果，形成相应的机器学习模型。

本发明实施例还提供一种机器学习模型搭建装置，应用于移动终端，所述装置包括：

操作页面加载模块，用于加载操作页面，所述操作页面展示有多个算法组件；

选择操作响应模块，用于响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件；

选择通知发送模块，用于向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；

配置操作响应模块，用于响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。

本发明实施例还提供一种移动终端，包括：至少一个存储器和至少一个处理芯片；所述存储器存储有程序，所述处理芯片调用所述程序，以实现上述所述的移动终端执行的机器学习模型搭建方法的步骤。

本发明实施例还提供一种机器学习模型搭建装置，应用于平台服务器，所述装置包括：

页面下发模块，用于向移动终端下发操作页面，所述操作页面展示有多个算法组件；

组件选择确定模块，用于获取移动终端发送的算法组件选择通知，以确定所述操作页面展示的多个算法组件中选择的目标算法组件；其中，所述算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；

配置结果确定模块，用于获取移动终端发送的算法组件配置通知，以确定目标算法组件的配置结果；其中，所述算法组件配置通知指示有，所述移动终端响应的配置操作指令相应的目标算法组件的配置结果；

形成模块，用于根据所述配置结果，形成相应的机器学习模型。

本发明实施例还提供一种平台服务器，包括：至少一个存储器和至少一个处理芯片；所述存储器存储有程序，所述处理芯片调用所述程序，以实现上述所述的平台服务器执行的机器学习模型搭建方法的步骤。

本发明实施例还提供一种存储介质，所述存储介质存储有适于处理芯片执行的程序，以实现上述所述的移动终端执行的机器学习模型搭建方法的步骤，或，实现上述所述的平台服务器执行的机器学习模型搭建方法的步骤。

基于上述技术方案，本发明实施例提供的机器学习模型搭建方法，可支持用户使用移动终端与平台服务器进行交互，实现机器学习模型的搭建；移动终端可加载操作页面，所述操作页面展示有多个算法组件；从而用户可在操作页面中进行选择操作，移动终端响应选择操作指令，在操作页面展示从所述多个算法组件中选择的目标算法组件；并且移动终端可向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使得平台服务器确定用户所选择的目标算法组件；

进而，用户可对所选择的目标算法组件进行配置操作，移动终端可响应对目标算法组件的配置操作指令，向平台服务器发送算法组件配置通知；平台服务器可根据算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型，实现机器学习模型的搭建。

本发明实施例提供的机器学习模型搭建方法，可使得用户操作移动终端，通过移动终端与平台服务器的交互，实现机器学习模型的搭建；机器学习模型的搭建过程可以由用户操作移动终端完成，极大的降低了机器学习模型搭建时，对于地理、时间的条件限制，可实现便捷的机器学习模型搭建。

附图说明

为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的机器学习模型搭建系统的结构框图；

图2为本发明实施例提供的机器学习模型搭建方法的信令流程图；

图3为操作页面的一种示例图；

图4为算法组件的示例图；

图5为操作页面展示多个算法组件的展示示例图；

图6为操作页面的连接区域的示例图；

图7为在操作页面展示选择的目标算法组件的可选流程图；

图8为目标算法组件初始连接的示例图；

图9为取消连接线的示例图；

图10为本发明实施例提供的机器学习模型搭建方法的另一信令流程图；

图11为本发明实施例提供的机器学习模型搭建装置的结构框图；

图12为本发明实施例提供的机器学习模型搭建装置的另一结构框图；

图13为本发明实施例提供的机器学习模型搭建装置的再一结构框图；

图14为移动终端的硬件结构框图；

图15为本发明实施例提供的机器学习模型搭建装置的又一结构框图；

图16为本发明实施例提供的机器学习模型搭建装置的又另一结构框图。

具体实施方式

本发明的发明人在研究过程中发现，用户(如机器学习算法的研究人员等相关工作人员)在希望验证所研究的机器学习算法时，往往迫切的希望针对机器学习算法，快速的搭建出相应的机器学习模型，从而进行机器学习算法的运行测试和效果验证；然而，目前机器学习模型的框架结构的搭建往往需要在PC(个人计算机)端进行操作，这无疑限制了机器学习模型搭建的场景，使得机器学习模型的搭建较为麻烦；

基于此，本发明的发明人在移动终端普及的当下，提供一种基于移动终端的机器学习模型搭建方法，以使得用户可随时随地的使用移动终端，进行便捷、高效的机器学习模型搭建。

基于上述思路，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的机器学习模型搭建系统的结构框图，参照图1，该机器学习模型搭建系统可以包括：移动终端10和平台服务器20；

移动终端为用户使用的智能手机、平板电脑等移动式电子设备；

平台服务器为支持用户使用移动终端搭建机器学习模型的服务设备，可以由单一服务器实现，也可以由多个服务器组成的服务器群组实现；

移动终端与平台服务器可以通过网络(如移动通信网络、互联网等)通信；

在本发明实施例中，平台服务器可设置移动端入口，移动终端可通过该移动端入口与平台服务器相通信，从而进行信息交互；进一步，平台服务器还可设置PC端入口，PC可通过该PC端入口与平台服务器相通信，从而进行信息交互；在一种优选方式中，平台服务器既支持PC端的接入，使得用户可通过操作PC端，进行机器学习模型的搭建，平台服务器又可支持移动终端的接入，使得用户操作移动终端，进行机器学习模型的搭建；本发明实施例主要介绍的是，用户操作移动终端场景下，机器学习模型的搭建过程。

在本发明实施例中，平台服务器可以提供搭建机器学习模型所需的多个算法组件(如各类型的算法组件)，用户可通过操作移动终端选择算法组件、配置算法组件，实现机器学习模型的搭建；

可选的，移动终端可以从平台服务器下载该多个算法组件的图标，通过图标形式，使得用户清楚所选择、配置的算法组件；可选的，在另一种实现中，平台服务器提供的多个算法组件可下载到移动终端，以便用户的算法组件选择、配置操作；

作为一种示例，图1在示出机器学习模型搭建系统的基础上，还体现了移动终端的操作页面的一种可选示意，该操作页面的展示区域可以展示平台服务器提供的多个算法组件，基于该操作页面，用户在搭建机器学习模型时，可以从平台服务器提供的多个算法组件中，选择算法组件，对所选择的算法组件进行配置，完成机器学习模型的框架结构搭建。

基于图1所示机器学习模型搭建系统，图2示出了本发明实施例提供的机器学习模型搭建方法的一种可选信令流程，参照图2，该流程可以包括：

步骤S10、移动终端向平台服务器发送加载操作页面的请求。

在用户需要搭建机器学习模型时，用户可通过移动终端向平台服务器发送加载操作页面的请求，以便用户可通过移动终端加载的操作页面，操作搭建机器学习模型。

在一种可选实现中，本发明实施例可开发单独的支持机器学习模型搭建的目标APP(应用)，并由平台服务器提供应用服务；移动终端可装载目标APP，使用目标APP与平台服务器进行交互(如使用目标APP链接平台服务器的移动端入口，实现与平台服务器的交互)，从而用户可在移动终端展示的目标APP的应用页面(如APP页面)中进行操作，实现本发明实施例提供的机器学习模型搭建方法；

可选的，移动终端可通过目标APP向平台服务器发送加载操作页面的请求，此情况下，操作页面可以是目标该APP的应用页面，并且该应用页面的显示内容可由平台服务器下发。

在另一种可选实现中，移动终端可通过访问平台服务器提供的网页页面(如通过浏览器、社交应用等APP内嵌的浏览模块等浏览组件访问该网页页面)，从而用户可使用移动终端在网页页面中进行机器学习模型的搭建操作(如进行算法组件的选择、配置等)；

相应的，移动终端可通过浏览组件向平台服务器发送加载操作页面的请求，此情况下，操作页面可以是浏览组件加载显示的网页页面，网页页面的显示内容由平台服务器下发。

可选的，进一步，平台服务器可支持账号体系，任一用户可向平台服务器申请注册账号；移动终端可通过用户的注册账号登录平台服务器后，再向平台服务器发送加载操作页面的请求；可选的，注册账号也可适用于用户使用PC登录平台服务器，并且支持数据在同一注册账号相应的移动终端和PC间同步；

作为一种示例，移动终端的浏览组件可访问平台服务器的登录页面，用户在登录页面输入注册账号和登录密码后(登录方式也可支持扫描二维码的方式)，移动终端可向平台服务器发起登录请求，从而在登录成功后，移动终端可跳转到平台服务器所提供的主页，用户可通过主页请求链接到操作页面，这个过程中，移动终端可向平台服务器发送加载操作页面的请求；

又如，移动终端装载的目标APP可使用用户的注册账号登录平台服务器，登录成功后，用户可点击目标APP中的机器学习模型搭建选项，请求链接到操作页面，这个过程中，移动终端可向平台服务器发送加载操作页面的请求。

步骤S11、平台服务器向移动终端下发操作页面。

可选的，平台服务器向移动终端下发操作页面可以是，向移动终端下发操作页面的页面信息，该页面信息可至少具有调取平台服务器提供的算法组件的接口。

步骤S12、移动终端加载所述操作页面，所述操作页面展示有多个算法组件。

可选的，移动终端加载所述操作页面后，可通过操作页面中调取算法组件的接口，调取平台服务器提供的多个算法组件的信息，从而根据该信息，在操作页面中展示多个算法组件；可选的，该多个算法组件可以是平台服务器提供的搭建机器学习模型所需的各类型的算法组件；

在一种可选实现中，平台服务器可设置算法组件库，通过算法组件库记录搭建机器学习模型所需的多个算法组件，如平台服务器可设置算法组件商店，通过算法组件商店提供多个算法组件，算法组件商品可以是基于网络的一种虚拟商店。

步骤S10至步骤S12示出了移动终端通过与平台服务器的交互，实现移动终端加载操作页面的方式；

需要说明的是，在本发明实施例中，步骤S10至步骤S12仅是移动终端加载操作页面的一种可选方式，移动终端也可本地加载操作页面，如可在目标APP的安装包中记录操作页面的页面信息，并存储搭建机器学习模型所需的算法组件或算法组件的图标；从而移动终端可调取目标APP安装包中记录的操作页面的页面信息，并根据目标APP的安装包中存储的多个算法组件或算法组件的图标，在目标APP的应用页面跳转至操作页面时(如受用户在APP中的操作，进行APP的页面跳转)，实现操作页面的加载。

步骤S13、移动终端响应选择操作指令，在操作页面展示从所述多个算法组件中选择的目标算法组件。

移动终端的操作页面展示多个算法组件后，用户可在操作页面中进行选择操作；通过用户的选择操作，可从操作页面展示的多个算法组件中选择搭建机器学习模型所用的算法组件(本发明实施例称为目标算法组件，目标算法组件的数量可以是多个)，并在操作页面展示所选择的目标算法组件。

可选的，为极大的便利化用户操作，基于移动终端的特性，本发明实施例可支持用户以拖拽操作的形式，选择目标算法组件；作为一种示例，如图3所示，操作页面可以具有展示区域和连接区域，展示区域展示有所述多个算法组件，用户可通过拖拽操作，将从展示区域展示的多个算法组件中选择的目标算法组件，拖拽到连接区域，以基于拖拽操作方式，实现目标算法组件的选择；相应的，移动终端可响应将从展示区域中选中的目标算法组件，拖拽到连接区域的操作指令，在所述连接区域展示所述目标算法组件。

这个过程中，移动终端可生成相应的算法组件选择通知并发送给平台服务器，以使得平台服务器同步用户选择的目标算法组件。

步骤S14、移动终端向平台服务器发送算法组件选择通知。

用户进行选择操作时，移动终端可生成相应的算法组件选择通知并发送给平台服务器，通过算法组件选择通知指示的目标算法组件；从而平台服务器可基于算法组件选择通知，确定用户从所述多个算法组件中选择的目标算法组件。

可选的，步骤S13和步骤S14可同步执行。

步骤S15、平台服务器根据算法组件选择通知，确定从所述多个算法组件中选择的目标算法组件。

在一种可选实现中，算法组件选择通知可以指示用户所选择的目标算法组件，即算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；如算法组件选择通知可以携带目标算法组件的标识(每一算法组件可以具有唯一的标识)，从而平台服务器可基于算法组件选择通知，确定用户选择的目标算法组件；

需要说明的是，目标算法组件的数量为多个，该多个目标算法组件的选择可能需要用户多次的选择操作，相应的，移动终端可响应每次选择操作生成的选择操作指令，向平台服务器发送每次选择操作指令相应的算法组件选择通知。

步骤S16、移动终端响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知。

在本发明实施例中，用户选择目标算法组件后，用户可对目标算法组件进行配置操作，所进行的配置操作可以包括但不限于如下至少一项：目标算法组件的连接配置操作，目标算法组件的参数配置操作。

可选的，在选择多个目标算法组件后，基于机器学习模型的框架结构，用户可以对每一目标算法组件进行连接配置操作，以配置目标算法组件之间的连接关系；

作为一种可选实现，每一算法组件可以具有上游地址和下游地址；相应的，所配置的目标算法组件间的连接关系可以包括：每一目标算法组件所配置的上游地址和下游地址；

在本发明实施例中，选择目标算法组件后，用户可以对每一目标算法组件配置至少一个上游地址(本发明实施例可支持对一个目标算法组件进行多个上游地址的配置)；进一步考虑到移动终端操作的便捷性，本发明实施例对于目标算法组件的上游地址的配置可以支持两种形式，如选择训练数据地址或者使用其他目标算法组件的输出(目标算法组件的输出与目标算法组件的下游地址相应)作为上游地址；

可选的，训练数据地址是训练机器学习模型所使用的训练数据的地址，训练数据的地址可以支持用户使用PC或移动终端进行设置，并且可记录在平台服务器的个人中心，且同一用户的个人中心的数据可在该用户的PC和移动终端间同步；

可选的，本发明实施例可支持对每一目标算法组件配置至少一个下游地址，作为目标算法组件的输出(即本发明实施例可支持对一个目标算法组件进行多个下游地址的配置，使得一个目标算法组件的输出可以有多个去处)；进一步，目标算法组件的下游地址(下游地址对应输出，下游地址可以认为是输出标识)可与其他目标算法组件的上游地址(上游地址对应输入)进行拼接，则可实现目标算法组件的下游地址的配置；

相应的，用户对目标算法组件进行配置操作可以包括：对目标算法组件进行的连接配置操作(例如，可对选择到连接区域中的目标算法组件进行连接配置操作)；相应的，移动终端可响应对目标算法组件的连接配置操作指令，所述连接配置操作指令可以包括：对目标算法组件的上游地址和下游地址的配置操作指令；从而本发明实施例可确定每一目标算法组件的上游地址和下游地址，得到目标算法组件的连接配置结果。

可选的，用户也可对每一目标算法组件进行参数配置操作，以配置目标算法组件的算法参数；在本发明实施例中，算法组件的一种可选形式可以如图4所示，算法组件包括输入部分，参数部分和输出部分，其中，输入部分对应上游地址，输出部分对应下游地址，参数部分可以包括固定参数和算法参数(算法参数支持自定义)；

固定参数是按照算法组件对外提供给用户的接口参数去填写，视算法组件的类型而定，不同类型的算法组件的固定参数可能不同；算法参数可以由用户进行自定义，如用户可以替换掉算法参数原有的逻辑内容，进行逻辑内容的自定义，从而实现算法组件的逻辑自定义；

可选的，配置目标算法组件的算法参数可以是用户在移动操作的操作页面进行算法参数的自定义填写；在另一种可选实现中，考虑到移动终端的操作便捷性，用户可在PC端完成算法参数的定义编写后，由移动终端进行已定义编写的算法参数的调用，实现对目标算法组件的算法参数的配置；在本发明实施例中，用户的PC端和移动终端可支持同一注册账号登录平台服务器，并且支持数据在PC端和移动终端的同步；

相应的，用户对目标算法组件进行配置操作可以包括：对目标算法组件进行的算法参数配置操作(例如，可对选择到连接区域中的目标算法组件进行算法参数配置操作)；相应的，移动终端可响应对目标算法组件的参数配置操作指令，所述参数配置操作指令包括：对目标算法组件的算法参数的配置操作指令；从而本发明实施例可确定每一目标算法组件的算法参数，得到目标算法组件的算法参数配置结果。

可选的，目标算法组件的连接配置操作，和算法参数配置操作的执行，可以没有明显先后顺序。

可选的，进一步，在本发明实施例中，算法参数配置有可能是不必要的，但目标算法组件的连接配置是必要的；即用户可使用目标算法组件原有的算法参数，而不进行自定义。

步骤S17、平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。

可选的，算法组件配置通知可以至少指示，目标算法组件的连接配置结果(与移动终端响应的对目标算法组件的配置操作指令相应)；

从而根据目标算法组件的连接配置结果，平台服务器可以确定目标算法组件间的连接关系(如每一目标算法组件配置的上游地址和下游地址)。

进一步，算法组件配置通知还可指示，目标算法组件的算法参数配置结果(与移动终端响应的对目标算法组件的参数配置操作指令相应)；

从而根据目标算法组件的算法参数配置结果，平台服务器可以确定目标算法组件的算法参数。

根据算法组件配置通知指示的目标算法组件的配置结果，平台服务器可搭建与该配置结果相应的机器学习模型；即所搭建的机器学习模型具有用户所选择的目标算法组件，并且目标算法组件的配置(连接关系、算法参数等)与该配置结果相应。

本发明实施例提供的机器学习模型搭建方法，可支持用户使用移动终端与平台服务器进行交互，实现机器学习模型的搭建；移动终端可加载操作页面，所述操作页面展示有多个算法组件；从而用户可在操作页面中进行选择操作，移动终端响应选择操作指令，可在操作页面展示从所述多个算法组件中选择的目标算法组件；并且向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使得平台服务器确定所选择的目标算法组件；

进而，用户可对所选择的目标算法组件进行配置操作，移动终端可响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知；平台服务器可根据算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型，实现机器学习模型的搭建。

本发明实施例提供的机器学习模型搭建方法，可使得用户操作移动终端，通过移动终端与平台服务器的交互，实现机器学习模型的搭建；机器学习模型的搭建过程可以由用户操作移动终端完成，极大的降低了机器学习模型搭建时，对于地理、时间的条件限制，可实现便捷的机器学习模型搭建。

可选的，在本发明实施例中，操作页面展示的多个算法组件可以是，平台服务器提供的用于搭建机器学习模型的各类型的算法组件；一类型的算法组件可以认为是机器学习模型的一个算法部分，支持机器学习模型训练过程中的一个训练阶段；在一种可选实现中，所展示的多个算法组件可以主要分为以下四大类型：数据预处理类、特征工程类、模型算法类以及结果分析类；基于算法组件的类型区分，图5示出了操作页面展示多个算法组件的一种可选形式，本发明实施例可在操作页面的展示区域，展示多个算法组件。

可选的，数据预处理类的算法组件主要起到数据预处理的作用，可以理解的是，在机器学习模型的训练过程中，原始的数据往往不能直接用于训练，而是需要经过一系列数据预处理后，才能够基于数据预处理后的数据进行机器学习模型的训练；在本发明实施例中，数据预处理包括但不限于如下至少一项：数据合并、数据清洗、数据归一化、数据采样等；

在一种可选实现中，数据预处理类的算法组件又可进一步细分，包括但不限于如下至少一子类的算法组件：数据合并的算法组件、数据清洗的算法组件、数据归一化的算法组件、数据采样的算法组件等。

特征工程类的算法组件主要起到数据特征处理的作用，数据特征对于机器学习模型的训练效果至关重要；在本发明实施例中，数据特征处理包括但不限于如下至少一项：特征变换、特征重要性评估、特征选择、特征生成等；

在一种可选实现中，特征工程类的算法组件又可进一步细分，包括但不限于如下至少一子类的算法组件：特征变换的算法组件、特征重要性评估的算法组件、特征选择的算法组件、特征生成的算法组件等。

模型算法类的算法组件主要起到数据学习的作用，是机器学习模型核心的算法部分，在本发明实施例中，数据学习包括但不限于如下至少一项：有监督学习、半监督学习、无监督学习、强化学习等；

在一种可选实现中，模型算法类的算法组件又可进一步细分，包括但不限于如下至少一子类的算法组件：有监督学习的算法组件、半监督学习的算法组件、无监督学习的算法组件、强化学习的算法组件等。

结果分析类的算法组件主要起到机器学习模型的效果分析的作用，可通过可视化方式使得用户能从多个维度拼接机器学习模型是否符合训练预期，以便于用户进行机器学习模型的优化；在本发明实施例中，机器学习模型的效果分析包括但不限于如下至少一项：模型分析、历史结果对比等；

在一种可选实现中，结果分析类的算法组件又可进一步细分，包括但不限于如下至少一子类的算法组件：模型分析的算法组件、历史结果对比的算法组件等。

基于上述描述，可选的，机器学习模型训练过程中的训练阶段可主要分为：数据预处理阶段，数据特征处理阶段，数据学习阶段，效果分析阶段；一训练阶段可对应上述描述的一类型的算法组件。

可选的，为便于用户操作移动终端，本发明实施例可在用户选择目标算法组件的同时，确定目标算法组件间的初始连接关系；该初始连接关系可以在用户选择完目标算法组件后，再通过用户对目标算法组件的连接配置操作进行连接关系调整；

基于此思路，如图6所示，操作页面的连接区域可以包括多个依次连接的组件连接块，其中，上一组件连接块可以作为下一组件连接块的上游，即上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接，一个组件连接块中对应有至少一个目标算法组件；例如，第一个组件连接块中的算法组件的下游地址，拼接第二个组件连接块中的算法组件的上游地址；而置入第二个组件连接块中的算法组件的下游地址，拼接第三个组件连接块中的算法组件的上游地址；以此类推；

需要说明的是，第一个组件连接块中的目标算法组件的上游地址一般配置为，训练数据地址；该训练数据地址可以与用户在平台服务器的注册账号相应的个人中心相应，该个人中心可以对应有用户在PC端等设置的训练数据的数据地址。

可选的，图7示出了本发明实施例提供的移动终端响应选择操作指令，在操作页面展示从所述多个算法组件中选择的目标算法组件的一种可选实现，参照图7，该过程可应用于移动终端，该过程可以包括：

步骤S100、移动终端响应从展示区域选中目标算法组件的操作指令，确定被选中的目标算法组件。

可选的，本发明实施例可支持用户以拖拽操作方式，从操作页面的展示区域展示的算法组件中选择目标算法组件，并拖拽到组件连接块；相应的，用户可从展示区域展示的多个算法组件中，选中目标算法组件(如点选操作页面的展示区域中的算法组件)，并拖拽选中的目标算法组件到某一组件连接块；

相应的，当用户选中目标算法组件时，移动终端可响应从展示区域选展示的多个算法组件中，选中目标算法组件的操作指令，确定被选中的目标算法组件。

步骤S110、移动终端响应拖拽所述目标算法组件至组件连接块的操作指令，展示各组件连接块中拖拽入的目标算法组件。

当用户选中目标算法组件后，可将目标算法组件拖拽到某一组件连接块(可由用户基于目标算法组件在机器学习模型中的位置，由用户拖拽目标算法组件在该位置相应的组件连接块)；这个过程中，移动终端可响应拖拽所述目标算法组件至组件连接块的操作指令，确定并展示各组件连接块中拖拽入的目标算法组件。

可选的，移动终端向平台服务器发送的算法组件选择通知，除指示所选择的目标算法组件外，还可指示各组件连接块中拖拽入的目标算法组件(即各目标算法组件所位于的组件连接块)；

从而平台服务器可根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件，确定目标算法组件的初始连接关系；作为一种可选实现，对于任一目标算法组件，可根据组件连接块间的连接关系，确定该目标算法组件所在的组件连接块的上游组件连接块，及下游组件连接块；将所确定的上游组件连接块中的算法组件的下游地址，与该目标算法组件的上游地址相拼接，将所确定的下游组件连接块中的算法组件的上游地址，与该目标算法组件的下游地址相拼接，以此确定出目标算法组件的初始连接关系；

如图8所示，为便于说明，以依次连接的组件连接块a、b和c为例进行说明，则拖拽入组件连接块a中的算法组件1为，拖拽入组件连接块b中的算法组件2和3的上游算法组件，拖拽入组件连接c中的算法组件4为算法组件2和3的下游算法组件，如此可得到图8所示算法组件相应的初始连接关系。

可选的，平台服务器确定目标算法组件的初始连接关系后，还可告知移动终端所述初始连接关系，以使得移动终端以初始连接关系显示目标算法组件间的连接。

可选的，在另一种实现中，移动终端也可在响应用户拖拽所述目标算法组件至组件连接块的操作时，确定各组件连接块中拖拽入的目标算法组件，从而根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件，确定目标算法组件的初始连接关系，以初始连接关系显示目标算法组件间的连接；

即移动终端并不一定需要通过平台服务器告知所述初始连接关系的方式，来获取目标算法组件的初始连接关系，而是可在移动终端响应拖拽所述目标算法组件至组件连接块的操作指令时，确定各组件连接块中拖拽入的目标算法组件，从而由移动终端根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件，确定目标算法组件的初始连接关系。

显然，上述在用户选择目标算法组件的同时，确定目标算法组件间的初始连接关系的方式仅是可选的，本发明实施例也可设置不具有组件连接块的连接区域，通过将用户选中的目标算法组件置入连接区域，实现操作页面对所选择的目标算法组件的展示，进而由用户在连接区域进行连接配置操作(如以连接线的形式连接目标算法组件)。

进一步，移动终端以初始连接关系显示目标算法组件间的连接可以是，根据所述初始连接关系，以连接线在目标算法组件间进行连接，并显示以连接线连接的目标算法组件；如图8所示，在各组件连接块拖拽入目标算法组件后，移动终端可自动以连接线连接目标算法组件，来呈现出所述初始连接关系；

可选的，在进行目标算法组件的连接配置操作时，用户可对以所述初始连接关系呈现的目标算法组件间的连接进行更改(当然下述处理，也适用于不设置组件连接块的情况)；示例的，如图9所示，移动终端根据所述初始连接关系，以连接线连接目标算法组件后，用户可点击某一连接线，此时，移动终端可提示用户是否取消该连接线，用户确认取消该连接线后，用户可重新定义目标算法组件的连接线；

相应的，移动终端可响应连接线取消操作指令(如响应用户点击连接线的操作指令)，取消显示所选择的连接线(如所点击的连接线)对应的目标算法组件的连接关系，此时，可向平台服务器发送连接线取消操作指令相应的连接线取消结果(连接配置结果的一种可选形式)，使得平台服务器取消所选择的连接线对应的目标算法组件的连接关系；

进一步，移动终端可响应连接线连接操作指令(如响应用户在目标算法组件间，以连接线进行连接的操作指令)，显示所连接的连接线对应的目标算法组件的连接关系，此时，可向平台服务器发送所述连接线连接操作指令相应的连接线连接结果(连接配置结果的另一种可选形式)，使得平台服务器确定所连接的连接线对应的目标算法组件的连接关系；

从而如此循环的进行连接线的取消和定义，实现目标算法组件的连接关系的更改，完成用户对目标算法组件的连接配置操作。

进一步，在完成用户对目标算法组件的连接配置操作，平台服务器可检测是否对应有目标算法组件间的无效连接(如某一类型算法组件不能成为另一类型的算法组件的上游、或下游算法组件)，且，是否存在未被连接的目标算法组件；从而在检测所述连接关系未对应有目标算法组件间的无效连接，且不存在未被连接的目标算法组件时，形成相应的机器学习模型；

可选的，平台服务器可基于移动终端的检测指令，进行上述检测；可选的，移动终端的操作页面可展示检测按钮，移动终端可响应于点击检测按钮的操作指令，向平台服务器发送检测指令，以使得平台服务器进行上述检测。

可选的，在平台服务器搭建出机器学习模型的框架结构后，平台服务器还可以提供机器学习模型的训练服务；相应的，图10示出了机器学习模型搭建方法的另一信令流程图，该流程中，平台服务器可在搭建机器学习模型后，训练机器学习模型；参照图10，该流程在图2所示步骤的基础上，增加了如下步骤：

步骤S18、移动终端向平台服务器发送训练指令。

可选的，在平台服务器搭建出机器学习模型后，移动终端可获取平台服务器发送的搭建成功通知，移动终端可基于该搭建成功通知，跳转至训练页面；用户可点击训练页面中的训练按钮，触发移动终端向平台服务器发送训练指令。

步骤S19、平台服务器读取训练数据，根据所述训练数据对所搭建的机器学习模型进行训练。

平台服务器接收训练指令后，可对所搭建的机器学习模型进行训练；具体的，平台服务器可基于用户在目标算法组件的配置操作阶段，所配置的训练数据地址，读取训练数据，从而平台服务器可根据所读取的训练数据对所搭建的机器学习模型进行训练。

可选的，在本发明实施例中，机器学习模型的训练可支持所有训练数据的训练方式，平台服务器可读取训练数据地址的所有训练数据来进行机器学习模型的训练，训练数据可支持在Hdfs/Mysql/实时流等系统中存储。

可选的，在另一种实现中，机器学习模型的训练可支持部分训练数据的训练，通过读取训练数据地址的部分训练数据来进行机器学习模型的训练；这主要旨在帮助用户快速验证机器学习算法是否存在明显错误，平台服务器通过从训练数据地址对应的训练数据中抽取部分训练数据，来进行机器学习模型的训练，从而可缩短算法运行时间，降低算法试错成本。

可选的，上述描述的是平台服务器可支持机器学习模型的训练启动，来完成机器学习模型的训练；进一步，本发明实施例还可支持机器学习模型的训练停止，如可在训练页面展示停止按钮，用户点击停止按钮后，可触发移动终端向平台服务器发送训练停止指令，从而平台服务器可根据所述训练停止指令，停止训练机器学习模型；这主要旨在帮助用户实时停止正在训练的算法，当用户在算法运行过程中发现，机器学习模型的训练已经不符合预期的时候可以及时停止，节省平台服务器的资源开销；可选的，平台服务器可退出机器学习模型训练对应的父进程，这样机器学习模型训练相应的子进程将随之退出，实现对机器学习模型的训练停止。

可选的，进一步，本发明实施例还可支持日志查看功能；示例的，用户可在训练页面选中查看日志的目标算法组件，从而移动终端可向平台服务器请求该目标算法组件的日志信息，平台服务器可反馈相应的日志信息给移动终端，以使得用户能够查看到目标算法组件在具体机器学习模型的训练过程中的详细日志信息；可选的，本发明实施例可支持浏览器式的查看方式，支持用户可以通过滑动日志页面，来请求查看目标算法组件更多的日志内容。

可选的，进一步，平台服务器可以支持历史训练任务的查询，用户可以通过移动终端请求查询历史训练任务，平台服务器可反馈历史提交并已结束训练的训练任务；进一步，平台服务器可提供多种可视化的方式给用户展示结果，帮助用户决策机器学习模型的训练是否达到预期要求，并且可以对比历史多次训练的结果，更加直观查看不同训练任务的结果。

在完成机器学习模型的训练后，用户可请求将训练后的机器学习模型部署到移动终端，此时，移动终端可向平台服务器发送机器学习模型部署指令，以从平台服务器下载训练后的机器学习模型；本发明实施例也可支持在PC端进行机器学习模型的部署，移动终端可向平台服务器输入PC端地址与部署信息，以实现平台服务器向PC端提供训练好的机器学习模型。

进一步，为便于移动终端的操作，平台服务器可提供实现预定功能的机器学习模型模板，比如说用户希望进行人脸识别功能的机器学习模型、语音识别功能或者NLP功能的机器学习模型的训练，则平台服务器可提供以往训练的相应功能的机器学习模型模板(如实现相应功能的算法组件模板，或者，完整的机器学习模型的框架结构等)；具体的，移动终端可向平台服务器请求预定功能的机器学习模型模板(如下载相应的算法组件模型，或者，相应框架结构的机器学习模型)，使得平台服务器可将该预定功能的机器学习模型模板发送给移动终端，从而极大的方便用户对于不同功能要求的机器学习模型的训练改进。

可选的，移动终端也可与PC端协同利用平台服务器，进行机器学习模型的搭建和训练；这样能够更加适合团队之间机器学习模型搭建、训练任务；例如，当某一用户使用PC端搭建、训练机器学习模型时，另一用户能够在移动终端实时查看搭建和训练的内容，并且可支持任一用户的修改，以此协同方式，可进一步提升机器学习模型的搭建、训练效率。

本发明实施例提供的机器学习模型方法，可使得用户操作移动终端，通过与平台服务器的交互，实现机器学习模型的便捷、高效搭建；可大幅度提高机器学习模型搭建和训练的覆盖场景，降低用户搭建、训练机器学习模型的门槛，同时，可支持机器学习模型在移动终端的部署；本发明实施例可帮助用户在有机器学习算法的验证需求时，便捷、高效的搭建相应的机器学习模型，利用搭建的机器学习模型进行机器学习算法的验证，解决目前机器学习算法的工作人员面临的迫切需要解决的问题。

下面从移动终端的角度，对本发明实施例提供的机器学习模型搭建装置，进行介绍；下文描述的机器学习模型搭建装置可以认为是，移动终端为实现本发明实施例提供的机器学习模型搭建方法，所需设置的程序模块；下文描述的机器学习模型搭建装置的内容，可与前文描述的机器学习模型搭建方法的内容相互对应参照。

图11为本发明实施例提供的机器学习模型搭建装置的结构框图，可应用于移动终端，参照图11，该机器学习模型搭建装置可以包括：

操作页面加载模块100，用于加载操作页面，所述操作页面展示有多个算法组件；

选择操作响应模块110，用于响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件；

选择通知发送模块120，用于向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；

配置操作响应模块130，用于响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。

可选的，所述操作页面至少包括：展示区域和连接区域；所述展示区域展示有所述多个算法组件；

选择操作响应模块110，用于响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件，具体包括：

响应将从展示区域中选中的目标算法组件，拖拽到连接区域的操作指令，在所述连接区域展示所述目标算法组件。

可选的，所述连接区域包括多个依次连接的组件连接块，其中，上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接；

选择操作响应模块110，用于响应将从展示区域中选中的目标算法组件，拖拽到连接区域的操作指令，在所述连接区域展示所述目标算法组件，具体包括：

响应从展示区域选中目标算法组件的操作指令，确定被选中的目标算法组件；

响应拖拽所述目标算法组件至组件连接块的操作指令，展示各组件连接块中拖拽入的目标算法组件。

可选的，所述算法组件选择通知还可指示，各组件连接块中拖拽入的目标算法组件。

可选的，图12示出了本发明实施例提供的机器学习模型搭建装置的另一结构框图，结合图11和图12所示，该装置还可以包括：

初始连接显示模块140，用于：

获取目标算法组件的初始连接关系；其中，所述初始连接关系根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件确定；

根据所述初始连接关系，显示以连接线连接的目标算法组件；其中，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示。

可选的，配置操作响应模块130，用于响应对目标算法组件的配置操作指令，具体包括：

响应对目标算法组件的连接配置操作指令，所述连接配置操作指令包括：对目标算法组件的上游地址和下游地址的配置操作指令；

响应对目标算法组件的参数配置操作指令，所述参数配置操作指令包括：对目标算法组件的算法参数的配置操作指令；

其中，所述配置结果包括：指示目标算法组件的上游地址和下游地址的连接配置结果，指示目标算法组件的算法参数的算法参数配置结果。

可选的，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示；配置操作响应模块130，用于响应对目标算法组件的连接配置操作指令，具体包括：

响应连接线连接操作指令，显示所连接的连接线对应的目标算法组件的连接关系；所述连接配置结果包括：所述连接线连接操作指令相应的连接线连接结果，所述连接线连接结果用于指示平台服务器，确定所连接的连接线对应的目标算法组件的连接关系；

和/或，响应连接线取消操作指令，取消显示所选择的连接线对应的目标算法组件的连接关系；所述连接配置结果包括：所述连接线取消操作指令相应的连接线取消结果；所述连接线取消结果用于指示平台服务器，取消所选择的连接线对应的目标算法组件的连接关系。

可选的，机器学习模型搭建装置还可向平台服务器发送检测指令，以使得平台服务器检测是否对应有目标算法组件间的无效连接，且，是否存在未被连接的目标算法组件；

从而平台服务器可在检测结果为否时，执行所述形成相应的机器学习模型的步骤。

可选的，图13示出了本发明实施例提供的机器学习模型搭建装置的再一结构框图，结合图11和图13所示，该装置还可以包括：

训练指令发送模块150，用于向平台服务器发送训练指令，以使得平台服务器对所形成的机器学习模型进行训练。

可选的，机器学习模型搭建装置还可用于：

向平台服务器发送训练停止指令，以使得平台服务器停止训练机器学习模型；

和/或，向平台服务器请求目标算法组件的日志信息，以使得平台服务器反馈机器学习模型训练过程中，目标算法组件的日志信息；

和/或，向平台服务器请求查询历史训练任务，以使得平台服务器反馈历史提交并已结束训练的训练任务；

和/或，向平台服务器发送机器学习模型部署指令，以使得平台服务器将训练后的机器学习模型部署在所述移动终端，或个人计算机端；

和/或，向平台服务器请求预定功能的机器学习模型模板。

本发明实施例还提供一种移动终端，该移动终端可以装载上述所述的机器学习模型搭建装置，以实现本发明实施例提供的机器学习模型搭建方法；上述所述的机器学习模型搭建装置可以程序模块形式存在，如可以是移动终端安装的目标APP中相应的程序。

本发明实施例提供一种移动终端的可选硬件结构，如图14所示，包括：至少一个处理芯片1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

在本发明实施例中，处理芯片1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理芯片1、通信接口2、存储器3通过通信总线4完成相互间的通信；

可选的，通信接口2可以为通信模块的接口，如GSM模块的接口；

处理芯片1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

其中，存储器3存储有程序，处理芯片1调用存储器3所存储的程序，以实现上述移动终端所执行的机器学习模型搭建方法的步骤。

本发明实施例还提供一种存储介质，该存储介质存储有适于处理芯片执行的程序，以实现上述移动终端所执行的机器学习模型搭建方法的步骤。

所述程序的主要功能为：

加载操作页面，所述操作页面展示有多个算法组件；

响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件；

向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；

响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。

可选的，所述程序的细化功能和扩展功能，可参照前文描述。

下面从平台服务器的角度，对本发明实施例提供的机器学习模型搭建装置，进行介绍；下文描述的机器学习模型搭建装置可以认为是，平台服务器为实现本发明实施例提供的机器学习模型搭建方法，所需设置的程序模块；下文描述的机器学习模型搭建装置的内容，可与前文描述的机器学习模型搭建方法的内容相互对应参照。

图15为本发明实施例提供的机器学习模型搭建装置的又一结构框图，可应用于平台服务器，该装置可以包括：

页面下发模块200，用于向移动终端下发操作页面，所述操作页面展示有多个算法组件；

组件选择确定模块210，用于获取移动终端发送的算法组件选择通知，以确定从所述操作页面展示的多个算法组件中选择的目标算法组件；其中，所述算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；

配置结果确定模块220，用于获取移动终端发送的算法组件配置通知，以确定目标算法组件的配置结果；其中，所述算法组件配置通知指示有，所述移动终端响应的配置操作指令相应的目标算法组件的配置结果；

形成模块230，用于根据所述配置结果，形成相应的机器学习模型。

可选的，所述算法组件选择通知指示有，各组件连接块中拖拽入的目标算法组件；其中，多个依次连接的组件连接块中，上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接；

可选的，图16示出了本发明实施例提供的机器学习模型搭建装置的又另一结构框图，结合图15和图16所示，该装置还可以包括：

初始连接关系确定和发送模块240，用于：

根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件，确定目标算法组件的初始连接关系；

向移动终端发送所述初始连接关系。

可选的，所述配置结果至少包括如下任一项：

指示目标算法组件的上游地址和下游地址的连接配置结果；

指示目标算法组件的算法参数的算法参数配置结果；

其中，所述连接配置结果包括：

连接线连接操作指令相应的连接线连接结果，所述连接线连接结果用于指示，确定所连接的连接线对应的目标算法组件的连接关系；

和/或，连接线取消操作指令相应的连接线取消结果，所述连接线取消结果用于指示，取消所选择的连接线对应的目标算法组件的连接关系。

本发明实施例还提供一种平台服务器，该平台服务器可以装载上述所述的机器学习模型搭建装置，以实现本发明实施例提供的机器学习模型搭建方法；

平台服务器的一种可选硬件结构可同样参照图14所示，包括：至少一个存储器和至少一个处理芯片；其中，存储器存储有程序，处理芯片调用所述程序，以实现上述所述的平台服务器执行的机器学习模型搭建方法的步骤。

本发明实施例还提供一种存储介质，该存储介质存储有适于处理芯片执行的程序，以实现上述平台服务器执行的机器学习模型搭建方法的步骤。

所述程序的主要功能为：

向移动终端下发操作页面，所述操作页面展示有多个算法组件；

获取移动终端发送的算法组件选择通知，以确定从所述操作页面展示的多个算法组件中选择的目标算法组件；其中，所述算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；

获取移动终端发送的算法组件配置通知，以确定目标算法组件的配置结果；其中，所述算法组件配置通知指示有，所述移动终端响应的配置操作指令相应的目标算法组件的配置结果；

根据所述配置结果，形成相应的机器学习模型。

可选的，所述程序的细化功能和扩展功能，可参照前文描述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理芯片执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种机器学习模型搭建方法，其特征在于，应用于移动终端，所述方法包括：

向平台服务器发送加载操作页面的请求；

加载平台服务器向移动终端下发的操作页面，所述操作页面至少包括：展示区域和连接区域；所述展示区域展示有多个算法组件；

响应从所述展示区域选中目标算法组件的操作指令，确定被选中的目标算法组件；

响应拖拽目标算法组件至所述连接区域中组件连接块的操作指令，展示各组件连接块中拖拽入的目标算法组件；所述连接区域包括多个依次连接的组件连接块，其中，上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接；

获取目标算法组件的初始连接关系；其中，所述初始连接关系根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件确定；

根据所述初始连接关系，显示以连接线连接的目标算法组件；其中，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示；

向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；

响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型，其中，所述配置结果包括：指示目标算法组件的上游地址和下游地址的连接配置结果，指示目标算法组件的算法参数的算法参数配置结果。

2.根据权利要求1所述的机器学习模型搭建方法，其特征在于，所述响应对目标算法组件的配置操作指令包括：

响应对目标算法组件的连接配置操作指令，所述连接配置操作指令包括：对目标算法组件的上游地址和下游地址的配置操作指令；

响应对目标算法组件的参数配置操作指令，所述参数配置操作指令包括：对目标算法组件的算法参数的配置操作指令。

3.根据权利要求2所述的机器学习模型搭建方法，其特征在于，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示；所述响应对目标算法组件的连接配置操作指令包括：

响应连接线连接操作指令，显示所连接的连接线对应的目标算法组件的连接关系；所述连接配置结果包括：所述连接线连接操作指令相应的连接线连接结果，所述连接线连接结果用于指示平台服务器，确定所连接的连接线对应的目标算法组件的连接关系；

和/或，响应连接线取消操作指令，取消显示所选择的连接线对应的目标算法组件的连接关系；所述连接配置结果包括：所述连接线取消操作指令相应的连接线取消结果；所述连接线取消结果用于指示平台服务器，取消所选择的连接线对应的目标算法组件的连接关系。

4.根据权利要求3所述的机器学习模型搭建方法，其特征在于，还包括：

向平台服务器发送检测指令，以使得平台服务器检测是否对应有目标算法组件间的无效连接，且，是否存在未被连接的目标算法组件；其中，平台服务器检测结果为否时，执行所述形成相应的机器学习模型的步骤。

5.根据权利要求1所述的机器学习模型搭建方法，其特征在于，还包括：

向平台服务器发送训练指令，以使得平台服务器对所形成的机器学习模型进行训练；

和/或，向平台服务器发送训练停止指令，以使得平台服务器停止训练机器学习模型；

和/或，向平台服务器请求目标算法组件的日志信息，以使得平台服务器反馈机器学习模型训练过程中，目标算法组件的日志信息；

和/或，向平台服务器请求查询历史训练任务，以使得平台服务器反馈历史提交并已结束训练的训练任务；

和/或，向平台服务器发送机器学习模型部署指令，以使得平台服务器将训练后的机器学习模型部署在所述移动终端，或个人计算机端；

和/或，向平台服务器请求预定功能的机器学习模型模板。

6.一种机器学习模型搭建方法，其特征在于，应用于平台服务器，所述方法包括：

获取移动终端向平台服务器发送的加载操作页面的请求；

向移动终端下发操作页面，所述操作页面至少包括：展示区域和连接区域；所述展示区域展示有多个算法组件；

获取移动终端发送的算法组件选择通知，以确定从所述操作页面展示的多个算法组件中选择的目标算法组件；其中，所述算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；所述移动终端用于，响应从所述展示区域选中目标算法组件的操作指令，确定被选中的目标算法组件；响应拖拽目标算法组件至所述连接区域中组件连接块的操作指令，展示各组件连接块中拖拽入的目标算法组件；所述连接区域包括多个依次连接的组件连接块，其中，上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接；获取目标算法组件的初始连接关系；其中，所述初始连接关系根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件确定；根据所述初始连接关系，显示以连接线连接的目标算法组件；其中，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示；

获取移动终端发送的算法组件配置通知，以确定目标算法组件的配置结果；其中，所述算法组件配置通知指示有，所述移动终端响应的配置操作指令相应的目标算法组件的配置结果；

根据所述配置结果，形成相应的机器学习模型，其中，所述配置结果包括：指示目标算法组件的上游地址和下游地址的连接配置结果，指示目标算法组件的算法参数的算法参数配置结果。

7.一种机器学习模型搭建装置，其特征在于，应用于移动终端，所述移动终端用于向平台服务器发送加载操作页面的请求；所述装置包括：

操作页面加载模块，用于加载平台服务器向移动终端下发的操作页面，所述操作页面至少包括：展示区域和连接区域；所述展示区域展示有多个算法组件；

选择操作响应模块，用于响应从所述展示区域选中目标算法组件的操作指令，确定被选中的目标算法组件；响应拖拽目标算法组件至所述连接区域中组件连接块的操作指令，展示各组件连接块中拖拽入的目标算法组件；所述连接区域包括多个依次连接的组件连接块，其中，上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接；

初始连接显示模块，用于获取目标算法组件的初始连接关系；其中，所述初始连接关系根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件确定；根据所述初始连接关系，显示以连接线连接的目标算法组件；其中，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示；

选择通知发送模块，用于向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；

配置操作响应模块，用于响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型，其中，所述配置结果包括：指示目标算法组件的上游地址和下游地址的连接配置结果，指示目标算法组件的算法参数的算法参数配置结果。

8.一种移动终端，其特征在于，包括：至少一个存储器和至少一个处理芯片；所述存储器存储有程序，所述处理芯片调用所述程序，以实现权利要求1-5任一项所述的机器学习模型搭建方法的步骤。

9.一种机器学习模型搭建装置，其特征在于，应用于平台服务器，所述平台服务器用于获取移动终端向平台服务器发送的加载操作页面的请求；所述装置包括：

页面下发模块，用于向移动终端下发操作页面，所述操作页面至少包括：展示区域和连接区域；所述展示区域展示有多个算法组件；

组件选择确定模块，用于获取移动终端发送的算法组件选择通知，以确定所述操作页面展示的多个算法组件中选择的目标算法组件；其中，所述算法组件选择通知指示有，所述移动终端响应的选择操作指令相应选择的目标算法组件；所述移动终端用于，响应从所述展示区域选中目标算法组件的操作指令，确定被选中的目标算法组件；响应拖拽目标算法组件至所述连接区域中组件连接块的操作指令，展示各组件连接块中拖拽入的目标算法组件；所述连接区域包括多个依次连接的组件连接块，其中，上一组件连接块中的算法组件的下游地址，与下一组件连接块中的算法组件的上游地址相拼接；获取目标算法组件的初始连接关系；其中，所述初始连接关系根据组件连接块间的连接关系，及各组件连接块中拖拽入的目标算法组件确定；根据所述初始连接关系，显示以连接线连接的目标算法组件；其中，一算法组件的上游地址与另一算法组件的下游地址的拼接，以连接线形式显示；

配置结果确定模块，用于获取移动终端发送的算法组件配置通知，以确定目标算法组件的配置结果；其中，所述算法组件配置通知指示有，所述移动终端响应的配置操作指令相应的目标算法组件的配置结果；

形成模块，用于根据所述配置结果，形成相应的机器学习模型，其中，所述配置结果包括：指示目标算法组件的上游地址和下游地址的连接配置结果，指示目标算法组件的算法参数的算法参数配置结果。

10.一种平台服务器，其特征在于，包括：至少一个存储器和至少一个处理芯片；所述存储器存储有程序，所述处理芯片调用所述程序，以实现权利要求6所述的机器学习模型搭建方法的步骤。

11.一种存储介质，其特征在于，所述存储介质存储有适于处理芯片执行的程序，以实现权利要求1-5任一项所述的机器学习模型搭建方法的步骤，或，实现权利要求6所述的机器学习模型搭建方法的步骤。

Images