CN113609098A - 一种基于数据挖掘流程的可视化建模平台 - Google Patents
一种基于数据挖掘流程的可视化建模平台 Download PDFInfo
- Publication number
- CN113609098A CN113609098A CN202110876889.XA CN202110876889A CN113609098A CN 113609098 A CN113609098 A CN 113609098A CN 202110876889 A CN202110876889 A CN 202110876889A CN 113609098 A CN113609098 A CN 113609098A
- Authority
- CN
- China
- Prior art keywords
- module
- experiment
- component
- new
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 42
- 238000007418 data mining Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 title claims abstract description 24
- 238000002474 experimental method Methods 0.000 claims abstract description 183
- 238000012217 deletion Methods 0.000 claims abstract description 11
- 230000037430 deletion Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 description 33
- 230000006870 function Effects 0.000 description 18
- 230000006872 improvement Effects 0.000 description 9
- 238000000429 assembly Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于数据挖掘流程的可视化建模平台，包括，组件管理模块，用于若干类目组建的注册、删除以及管理，包括组件注册模块、组件删除模块以及组件类目管理模块；实验管理模块，用于新建实验、下载实验以及实验检索，包括新建实验模块、下载实验模块以及实验检索模块；所述新建实验模块通过组件管理模块中的组件构建的新实验，运行构建的新实验，保存新实验的构成组件，以及运行结果，所述下载实验模块用于新实验数据的下载，所述及实验检索模块用于新实验的检索；可视化建模模块，用于模型的构建、组件参数的编辑以及运行日志的查看，包括模型构建模块、编辑组件参数模块以及运行日志查看模块。
Description
技术领域
本发明属于数据挖掘流程以及可视化建模技术领域，尤其涉及一种基于数据挖掘流程的可视化建模平台。
背景技术
伴随着面向对象技术的发展，可视化建模技术受到越来越多人员的追捧，其应用领域也在不断扩大。模型是对现实世界的复杂系统的简化和抽象，而可视化建模又可以把复杂模型简单化和直观化。可视化的特点就是直观、高效与高集成度。为了使数据挖掘人员更关注于超参数调整以及模型本身，需要将数据挖掘流程与可视化技术相结合，使得数据挖掘的需求表达更加具体，步骤更清晰。可视化建模可以帮助数据挖掘人员加深对流程的认知，做到抓住问题的本质，并且滤掉众多非本质因素，从而有利于问题的解决。
发明内容
本发明的目的在于通过拖拉拽的形式，利用组件构建实验，运行完的实验，可以保存为模型，然后用户根据实验结果以及运行记录，保存实验效果比较好的模型，形成可视化的建模。
为了实现上述技术效果，本发明通过以下技术方案予以实现。
一种基于数据挖掘流程的可视化建模平台，包括，
组件管理模块，用于若干类目组建的注册、删除以及管理，包括组件注册模块、组件删除模块以及组件类目管理模块；
实验管理模块，用于新建实验、下载实验以及实验检索，包括新建实验模块、下载实验模块以及实验检索模块；
所述新建实验模块通过组件管理模块中的组件构建的新实验，运行构建的新实验，保存新实验的构成组件，以及运行结果，所述下载实验模块用于新实验数据的下载，所述及实验检索模块用于新实验的检索；
可视化建模模块，用于模型的构建、组件参数的编辑以及运行日志的查看，包括模型构建模块、编辑组件参数模块以及运行日志查看模块；
平台，所述组件管理模块、实验管理模块以及可视化建模模块均与平台连接。
本技术方案中，通过多个组件的管理，目的在于后期利用组件直接构成新实验，并保存新实验，在新实验运行后，根据新实验的结果，选择运行比较好的新实验作为输出模型，利用该模型输出可视化的结果。
本技术方案中，将组件参数的编辑设置在可视化建模模块中，目的在于，当可视化的结果不尽人意或者有其他意外时，通过追溯根源，找出对应组件，直接编辑参数等，实现较好的模型的构建。
本技术方案中，提供拖拉拽的形式构建实验，运行完的实验可以保存为模型，提供组件管理功能、实验管理功能、可视化建模功能，拥有各种类别的组件，平台会定期更新组件库，上传更加优化和精准的算子供用户使用。提供自定义组件功能，用户可以将自己的算法配置成组件的形式可视化调用。
作为本发明的进一步改进，所述组件注册模块连接有可用性校验模块，用于组件注册时的校验。
本技术方案中，可用性校验模块，目的是保证该组件注册模块注册的用户可以使用该组件。
作为本发明的进一步改进，所述组件删除模块连接有权限校验模块。
本技术方案中，权限校验模块的增加，则是防止其他用户对组件的删除，避免造成不必要的损失。
作为本发明的进一步改进，所述组件类目管理模块至少包括检索模块、更新模块、修改模块、删除模块以及添加模块。
本技术方案中，利用检索模块，能够迅速找出对应的组件，而更新模块，则是为了旧组件的更新，修改则是为了旧组件某些配置的修改等，而删除模块，则是为了删除不用的旧组件，添加模块则是为了增加新的模块。
作为本发明的进一步改进，还包括存储于组件管理模块内的若干类目的组件，每个组件均包括输入组件模块、输出组件模块、功能参数组件模块以及引擎参数模块。
本技术方案中，每个组件均包括多个模块，使得每个组件之间单独设置，独立运行控制，一旦组合时，需要同时进行控制，实现新组合式组件的功能实现。
具体地，所述组件管理模块设有用户登录端，使得用户通过用户登录端登录到可视化建模平台中。
作为本发明的进一步改进，所述新建实验模块包括组合模块以及生成模块，所述组合模块通过托拉拽的组合方式，使得若干个组件，在生成模块中生成完整的机器学习训练任务，实现新实验的构建。
本技术方案中，形成完整的机器学习任务，后续可以对该任务件解析分解等，便于实现新实验的运行。
作为本发明的进一步改进，所述实验管理模块还包括解析模块，所述解析模块用于将新建实验模块构建的新实验解析成新组件，所述新组件的每个节点对应一个算子组件，每个算子组件对应一个任务，所述任务运行完成后生成机器学习模块。
本技术方案，将新实验进行解析，进而可以结合服务器等，进行解析后任务的执行等，使得整个的任务执行速度更快，流程更加简介。
作为本发明的进一步改进，所述运行结果包括新实验模型、预测结果、分类结果中的一种。
本技术方案中，运行结果多样化，进而用户可以根据需求，生成对应的类型，同时，针对某一个实验的组件配置，如果用户进行了操作变更，生成新的板板，则该实验会存在多个版本。
作为本发明的进一步改进，所述模型构建模块至少包括构建画布模块、运行实验模块以及导出模型模块，所述构建画布模块用于将选取的新实验导入，搭建实验，通过运行实验模块启动实验和停止试验，最后利用导出模型模块导出实验生产的模型，并将其保存至分布式文件系统中。
本技术方案中，通过构建画布，用户可以通过拖拉拽的形式搭建实验、运行实验、导出模型，同时结合有分布式文件系统，能够将模型进行及时的保存，确保模型的存储等。
作为本发明的进一步改进，所述运行实验模块具体为：将新组件组合成新组件图，平台根据新组件图在内存中创建对应的Spark任务，并部署任务到训练集群开始实验。
本技术方案中，根据新组件图，可以结合在内存中创建对应的Spark任务，然后在训练群集内训练，进而能够进行训练，确保实验的顺利进行，同时，这一过程中，用户还可以修改编辑实验的运行记录等。
附图说明
图1为本发明提供的一种基于数据挖掘流程的可视化建模平台的框架图；
图2为本发明提供的组件的结构图；
图3为本发明提供的实施例4中的框架图；
图4为本发明提供的实施例4中的数据挖掘流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细的说明。
实施例1
本实施例，主要介绍一种基于数据挖掘流程的可视化建模平台的挤大致框架。
参照附图1所示，本实施例中，包括，
组件管理模块，用于若干类目组建的注册、删除以及管理，包括组件注册模块、组件删除模块以及组件类目管理模块；
实验管理模块，用于新建实验、下载实验以及实验检索，包括新建实验模块、下载实验模块以及实验检索模块；
所述新建实验模块通过组件管理模块中的组件构建的新实验，运行构建的新实验，保存新实验的构成组件，以及运行结果，所述下载实验模块用于新实验数据的下载，所述及实验检索模块用于新实验的检索；
可视化建模模块，用于模型的构建、组件参数的编辑以及运行日志的查看，包括模型构建模块、编辑组件参数模块以及运行日志查看模块；
平台，所述组件管理模块、实验管理模块以及可视化建模模块均与平台连接。
本实施例中，通过多个组件的管理，目的在于后期利用组件直接构成新实验，并保存新实验，在新实验运行后，根据新实验的结果，选择运行比较好的新实验作为输出模型，利用该模型输出可视化的结果。
本实施例中，将组件参数的编辑设置在可视化建模模块中，目的在于，当可视化的结果不尽人意或者有其他意外时，通过追溯根源，找出对应组件，直接编辑参数等，实现较好的模型的构建。
本实施例中，提供拖拉拽的形式构建实验，运行完的实验可以保存为模型，提供组件管理功能、实验管理功能、可视化建模功能，拥有各种类别的组件，平台会定期更新组件库，上传更加优化和精准的算子供用户使用。提供自定义组件功能，用户可以将自己的算法配置成组件的形式可视化调用。
实施例2
本实施例中，主要介绍组件管理模块。
参照附图1-2所示，所述组件注册模块连接有可用性校验模块，用于组件注册时的校验。
本实施例中，可用性校验模块，目的是保证该组件注册模块注册的用户可以使用该组件。
参照附图1-2所示，所述组件删除模块连接有权限校验模块。
本实施例中，权限校验模块的增加，则是防止其他用户对组件的删除，避免造成不必要的损失。
具体地，参照附图1所示，所述组件类目管理模块至少包括检索模块、更新模块、修改模块、删除模块以及添加模块。
本实施例中，利用检索模块，能够迅速找出对应的组件，而更新模块，则是为了旧组件的更新，修改则是为了旧组件某些配置的修改等，而删除模块，则是为了删除不用的旧组件，添加模块则是为了增加新的模块。
参照附图2所示，还包括存储于组件管理模块内的若干类目的组件，每个组件均包括输入组件模块、输出组件模块、功能参数组件模块以及引擎参数模块。
本实施例中，每个组件均包括多个模块，使得每个组件之间单独设置，独立运行控制，一旦组合时，需要同时进行控制，实现新组合式组件的功能实现。
具体地，所述组件管理模块设有用户登录端，使得用户通过用户登录端登录到可视化建模平台中。
实施例3
本实施例中，主要介绍其余模块。
参照附图1所示，所述新建实验模块包括组合模块以及生成模块，所述组合模块通过托拉拽的组合方式，使得若干个组件，在生成模块中生成完整的机器学习训练任务，实现新实验的构建。
本实施例中，形成完整的机器学习任务，后续可以对该任务件解析分解等，便于实现新实验的运行。
进一步地，所述实验管理模块还包括解析模块，所述解析模块用于将新建实验模块构建的新实验解析成新组件，所述新组件的每个节点对应一个算子组件，每个算子组件对应一个任务，所述任务运行完成后生成机器学习模块。
本实施例，将新实验进行解析，进而可以结合服务器等，进行解析后任务的执行等，使得整个的任务执行速度更快，流程更加简介。
具体地，所述运行结果包括新实验模型、预测结果、分类结果中的一种。
本实施例中，运行结果多样化，进而用户可以根据需求，生成对应的类型，同时，针对某一个实验的组件配置，如果用户进行了操作变更，生成新的板板，则该实验会存在多个版本。
更进一步地，所述模型构建模块至少包括构建画布模块、运行实验模块以及导出模型模块，所述构建画布模块用于将选取的新实验导入，搭建实验，通过运行实验模块启动实验和停止试验，最后利用导出模型模块导出实验生产的模型，并将其保存至分布式文件系统中。
本实施例中，通过构建画布，用户可以通过拖拉拽的形式搭建实验、运行实验、导出模型，同时结合有分布式文件系统，能够将模型进行及时的保存，确保模型的存储等。
具体地，所述运行实验模块具体为：将新组件组合成新组件图，平台根据新组件图在内存中创建对应的Spark任务，并部署任务到训练集群开始实验。
本实施例中，根据新组件图，可以结合在内存中创建对应的Spark任务，然后在训练群集内训练，进而能够进行训练，确保实验的顺利进行，同时，这一过程中，用户还可以修改编辑实验的运行记录等。
实施例4
本实施例中，结合具体使用进行介绍。
一种基于数据挖掘流程的可视化建模平台，以图形界面的方式来描述数
据挖掘的整个建模过程。可视化建模提供拖、拉、拽的形式构建实验，运行完的实验可以保存为模型，提供组件管理功能、实验管理功能、可视化建模功能，拥有各种类别的组件，平台会定期更新组件库，上传更加优化和精准的算子供用户使用。提供自定义组件功能，用户可以将自己的算法配置成组件的形式可视化调用。包括以下步骤：
步骤1：组件管理。
步骤2：实验管理。
步骤3：可视化建模。
首先，步骤1中，组件是特定功能或算法的具体实现，是一个实验的最小独立运行单元，可以抽象为输入、输出、功能参数、引擎参数四个维度。平台提供了丰富的功能组件，种类涵盖数据处理、特征工程、统计分析、机器学习等。用户可以根据自己的需求检索使用这些组件，平台会根据需求定期的更新或开发新的组件一同使用。同时，也支持用户上传自定义组件，组件按类目和具体的类别分级展示和管理，并提供类目和类别目录的上传和修改，组件的注册、修改、删除等。
其次，步骤2中，实验是通过各种组件的拖、拉、拽组合从而生成的一个完整的机器学习训练任务。后端会将搭好的组件解析成一个DAG(有向无环图)，DAG的每个节点对应一个算子组件，每个算子组件对应一个任务，服务器会根据DAG生成命令，在Operator上启动一个Spark任务，运行这个图，把所有的算子对应的Spark任务运行完之后会生成Spark的机器学习模型，可以将模型输出到自定义路径，也可以直接注册到平台。实验的输出不一定是模型，也可以是预测结果，分类结果等，分类可以使用分类算子，输入为分类模型加数据，输出为分类结果。用户对某个实验的组件配置进行操作变更后会生成新的实验版本，一个实验会存在多个版本。
再次，步骤3中，提供实验构建画布，用户可以通过拖、拉、拽的形式搭建实验、运行实验、导出模型，对于组件的默认参数可以根据自己的需求进行编辑修改。可以查看实验的运行记录，保存实验效果比较好的模型。
下面结合结构以及具体的实施进行介绍。
一种基于数据挖掘流程的可视化建模平台，为可视化模型搭建平台。可视化的组件开发模型屏蔽多个训练框架的差异，用户只需要选择自己需要的组件组合，设置超参数即可快速的构建一个算法模型，从而降低了算法模型开发的时间成本以及技术门槛。模型构建模块从以下三个子用例进行具体介绍：组件管理、实验管理、模型构建。
步骤1：组件管理，组件是特定功能或算法的具体实现，是一个实验的最小独立运行单元，可以抽象为输入、输出、功能参数、引擎参数四个维度。平台提供了丰富的功能组件，种类涵盖数据处理、特征工程、统计分析、机器学习等。用户可以根据自己的需求检索使用这些组件，平台会根据需求定期的更新或开发新的组件一同使用。同时，也支持用户上传自定义组件，组件按类目和具体的类别分级展示和管理，并提供类目和类别目录的上传和修改，组件的注册、修改、删除等。
用例描述：训练参数，修改训练参数
前置条件：用户登录到平台
基本事件流：
1、检索组件，查看组件详细介绍和推荐参数。
2、上传自定义组件，用户根据平台提供的模板自定义组件上传。
3、注册组件，平台会定期更新组件库。
异常流程：自定义组件未通过平台审核。
扩展事件流：对于公用组件的注册需要校验权限。
步骤2：实验管理，实验是通过各种组件的拖拉拽组合从而生成的一个完整的机器学习训练任务。后端会将搭好的组件解析成一个DAG(有向无环图)，DAG的每个节点对应一个算子组件，每个算子组件对应一个任务，服务器会根据DAG生成命令，在Operator上启动一个Spark任务，运行这个图，把所有的算子对应的Spark任务运行完之后会生成Spark的机器学习模型，可以将模型输出到自定义路径，也可以直接注册到平台。实验的输出不一定是模型，也可以是预测结果，分类结果等，分类可以使用分类算子，输入为分类模型加数据，输出为分类结果。用户对某个实验的组件配置进行操作变更后会生成新的实验版本，一个实验会存在多个版本。
用例描述：检索实验，查看实验信息，下载实验。
前置条件：用户有相关数据源权限。
基本事件流：
1、根据实验名和构建人检索实验。
2、査看实验相关参数信息。
3、下载实验到本地。
4、查看实验的运行记录。
5、停止实验，保存模型文件到分布式文件系统中。
异常流程：
1、用户无输入数据源权限，平台抛出异常。
2、构建的模型校验不通过，如没有输入数据。
步骤3：可视化建模，提供实验构建画布，用户可以通过拖拉拽的形式搭建实验、运行实验、导出模型，对于组件的默认参数可以根据自己的需求进行编辑修改。可以查看实验的运行记录，保存实验效果比较好的模型。
用例描述：搭建实验，启动实验，停止实验等
前置条件：用户有相关数据源权限
基本事件流：
1、平台校验组件的组合是否正确，校验是有拥有数据源权限。
2、将组件组合构建成DAG图。
3、平台根据DAG图在内存中创建对应的Spark任务。
4、部署任务到训练集群开始实验。
5、停止实验，保存模型文件到分布式文件系统中。
异常流程：
1、用户无输入数据源权限，平台抛出异常。
2、构建的模型校验不通过，如没有输入数据。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于数据挖掘流程的可视化建模平台，其特征在于，包括，
组件管理模块，用于若干类目组建的注册、删除以及管理，包括组件注册模块、组件删除模块以及组件类目管理模块；
实验管理模块，用于新建实验、下载实验以及实验检索，包括新建实验模块、下载实验模块以及实验检索模块；
所述新建实验模块通过组件管理模块中的组件构建的新实验，运行构建的新实验，保存新实验的构成组件，以及运行结果，所述下载实验模块用于新实验数据的下载，所述及实验检索模块用于新实验的检索；
可视化建模模块，用于模型的构建、组件参数的编辑以及运行日志的查看，包括模型构建模块、编辑组件参数模块以及运行日志查看模块；
平台，所述组件管理模块、实验管理模块以及可视化建模模块均与平台连接。
2.根据权利要求1所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述组件注册模块连接有可用性校验模块，用于组件注册时的校验。
3.根据权利要求1所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述组件删除模块连接有权限校验模块。防止其他用户的删除。
4.根据权利要求1所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述组件类目管理模块至少包括检索模块、更新模块、修改模块、删除模块以及添加模块。
5.根据权利要求1所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，还包括存储于组件管理模块内的若干类目的组件，每个组件均包括输入组件模块、输出组件模块、功能参数组件模块以及引擎参数模块。
6.根据权利要求1所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述新建实验模块包括组合模块以及生成模块，所述组合模块通过托拉拽的组合方式，使得若干个组件，在生成模块中生成完整的机器学习训练任务，实现新实验的构建。
7.根据权利要求6所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述实验管理模块还包括解析模块，所述解析模块用于将新建实验模块构建的新实验解析成新组件，所述新组件的每个节点对应一个算子组件，每个算子组件对应一个任务，所述任务运行完成后生成机器学习模块。
8.根据权利要求7所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述运行结果包括新实验模型、预测结果、分类结果中的一种。
9.根据权利要求7所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述模型构建模块至少包括构建画布模块、运行实验模块以及导出模型模块，所述构建画布模块用于将选取的新实验导入，搭建实验，通过运行实验模块启动实验和停止试验，最后利用导出模型模块导出实验生产的模型，并将其保存至分布式文件系统中。
10.根据权利要求7所述的一种基于数据挖掘流程的可视化建模平台，其特征在于，所述运行实验模块具体为：将新组件组合成新组件图，平台根据新组件图在内存中创建对应的Spark任务，并部署任务到训练集群开始实验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110876889.XA CN113609098A (zh) | 2021-07-31 | 2021-07-31 | 一种基于数据挖掘流程的可视化建模平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110876889.XA CN113609098A (zh) | 2021-07-31 | 2021-07-31 | 一种基于数据挖掘流程的可视化建模平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113609098A true CN113609098A (zh) | 2021-11-05 |
Family
ID=78338941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110876889.XA Pending CN113609098A (zh) | 2021-07-31 | 2021-07-31 | 一种基于数据挖掘流程的可视化建模平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113609098A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070214136A1 (en) * | 2006-03-13 | 2007-09-13 | Microsoft Corporation | Data mining diagramming |
| US20090138415A1 (en) * | 2007-11-02 | 2009-05-28 | James Justin Lancaster | Automated research systems and methods for researching systems |
| WO2015095411A1 (en) * | 2013-12-17 | 2015-06-25 | Atigeo Llc | Automated experimentation platform |
| CN107169575A (zh) * | 2017-06-27 | 2017-09-15 | 北京天机数测数据科技有限公司 | 一种可视化机器学习训练模型的建模系统和方法 |
| CN109146081A (zh) * | 2017-06-27 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种用于机器学习平台中快速创建模型项目的方法及装置 |
| CN110909039A (zh) * | 2019-10-25 | 2020-03-24 | 北京华如科技股份有限公司 | 一种基于拖拽式流程的大数据挖掘工具及方法 |
| CN111259064A (zh) * | 2020-01-10 | 2020-06-09 | 同方知网(北京)技术有限公司 | 一种可视化的自然语言分析挖掘系统及其建模方法 |
| CN112835570A (zh) * | 2021-03-15 | 2021-05-25 | 深圳中科西力数字科技有限公司 | 一种基于机器学习的可视化数学建模方法和系统 |
| CN112988130A (zh) * | 2021-02-24 | 2021-06-18 | 恒安嘉新（北京）科技股份公司 | 一种基于大数据的可视化建模方法、装置、设备及介质 |
-
2021
- 2021-07-31 CN CN202110876889.XA patent/CN113609098A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070214136A1 (en) * | 2006-03-13 | 2007-09-13 | Microsoft Corporation | Data mining diagramming |
| US20090138415A1 (en) * | 2007-11-02 | 2009-05-28 | James Justin Lancaster | Automated research systems and methods for researching systems |
| WO2015095411A1 (en) * | 2013-12-17 | 2015-06-25 | Atigeo Llc | Automated experimentation platform |
| CN107169575A (zh) * | 2017-06-27 | 2017-09-15 | 北京天机数测数据科技有限公司 | 一种可视化机器学习训练模型的建模系统和方法 |
| CN109146081A (zh) * | 2017-06-27 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种用于机器学习平台中快速创建模型项目的方法及装置 |
| CN110909039A (zh) * | 2019-10-25 | 2020-03-24 | 北京华如科技股份有限公司 | 一种基于拖拽式流程的大数据挖掘工具及方法 |
| CN111259064A (zh) * | 2020-01-10 | 2020-06-09 | 同方知网(北京)技术有限公司 | 一种可视化的自然语言分析挖掘系统及其建模方法 |
| CN112988130A (zh) * | 2021-02-24 | 2021-06-18 | 恒安嘉新（北京）科技股份公司 | 一种基于大数据的可视化建模方法、装置、设备及介质 |
| CN112835570A (zh) * | 2021-03-15 | 2021-05-25 | 深圳中科西力数字科技有限公司 | 一种基于机器学习的可视化数学建模方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6327551B1 (en) | System design method | |
| CN103135976B (zh) | 代码自动生成方法及装置 | |
| US10296305B2 (en) | Method and device for the automated production and provision of at least one software application | |
| CN102508706B (zh) | 一种多源数据集成平台及其构建方法 | |
| CN109615554B (zh) | 基于智能制造的同步数据系统及其运行方法、同步方法 | |
| CN109144880A (zh) | 镜像文件的管理方法及系统、设备、存储介质 | |
| CN112148260A (zh) | 决策引擎实现方法、装置、设备及存储介质 | |
| CN113656021A (zh) | 一种面向业务场景的油气大数据分析系统及方法 | |
| CN115934680A (zh) | 一站式大数据分析处理系统 | |
| CN112163337A (zh) | 基于SysML的航电协同设计方法及系统 | |
| CN113051650A (zh) | 一种建筑信息模型构件数据实时采集方法和装置 | |
| CN113626116B (zh) | 智能学习系统及数据分析方法 | |
| CN111475602B (zh) | 多版本知识图谱的存储方法、装置、存储介质及电子设备 | |
| El Hamlaoui et al. | Heterogeneous models matching for consistency management | |
| CN112287568A (zh) | 一种表演平行仿真系统 | |
| CN113609098A (zh) | 一种基于数据挖掘流程的可视化建模平台 | |
| JP2011515755A (ja) | 予約されたコンポーネントコンテナ基盤ソフトウェアの開発方法及び装置 | |
| CN112949061B (zh) | 基于可复用算子的村镇发展模型构建方法和系统 | |
| JPH07114464A (ja) | オブジェクト指向データ処理システム | |
| CN116860227B (zh) | 一种基于大数据etl脚本编排的数据开发系统及方法 | |
| Juhás et al. | Collecting Structured Logs of Instances as Process Nets in Petriflow Language. | |
| CN109634606A (zh) | 一种定义功能菜单的方法及装置 | |
| US20230367928A1 (en) | System and method to automatically generate and optimize recycling process plans for integration into a manufacturing design process | |
| CN117171203B (zh) | 一种基于零代码推理引擎的sql自动生成方法及系统 | |
| CN114004553B (zh) | 一种预案可视化生成系统、服务端以及客户端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |