JP2017527013A5 - - Google Patents

Claims (14)

1. コンピューティングデバイスであって、
   少なくとも１つのプロセッサーと、
   前記少なくとも１つのプロセッサーに接続されたメモリーであって、前記少なくとも１つのメモリー及び前記少なくとも１つのプロセッサーは、それぞれ、前記コンピューティングデバイスに動作を実行させる命令を格納及び実行するように構成され、前記動作は、
   機械学習アプリケーションのためのタスク定義を受け取るステップと、
   前記機械学習アプリケーションのための前記タスク定義を受け取ることに応答して、データセットの潜在的な使用に対して、及び前記機械学習アプリケーションのための前記受け取られたタスク定義に従って、複数の以前に生成された特徴化を自動的に特定するステップと、
   前記受け取られたタスク定義を満たすために、前記複数の以前に生成された特徴化のうちの少なくとも１つの使用についての実行試験に基づいて、前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップと、
   前記機械学習アプリケーションによる受け取られたデータセットの少なくとも一部についての処理のために、前記以前に生成された特徴化のうちの前記選択された少なくとも１つを出力するステップと
   を含む、メモリーと
   を備えるコンピューティングデバイス。
2. 前記動作は、
   前記受け取られたデータセットをデータセットのライブラリーと比較するステップをさらに含み、
   前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップは、前記比較に基づく、
   請求項１に記載のコンピューティングデバイス。
3. 前記動作は、
   前記以前に生成された特徴化のうちの前記選択された少なくとも１つによって、前記データセットの前記少なくとも一部を、生データから、機械学習アルゴリズムにとって語義的に意味のある少なくとも１つのより高度な特徴へと処理するステップをさらに含む、請求項１に記載のコンピューティングデバイス。
4. 前記動作は、
   前記受け取られたタスク定義をタスク定義のライブラリーと比較するステップをさらに含み、
   前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップは、前記比較に基づく、
   請求項１に記載のコンピューティングデバイス。
5. 前記動作は、
   前記複数の特定された以前に生成された特徴化のうちの少なくとも１つについて過去の訓練実行の結果を調査するステップをさらに含む、請求項１に記載のコンピューティングデバイス。
6. 前記動作は、
   前記複数の特定された以前に生成された特徴化のうちの少なくとも１つを前記受け取られたデータセットに適用した複数の試験実行の結果を調査するステップをさらに含み、
   前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップは、前記結果に基づく、
   請求項１に記載のコンピューティングデバイス。
7. 前記動作は、
   成功が測定される方法の定義を受け取るステップをさらに含む、
   請求項１に記載のコンピューティングデバイス。
8. 機械学習アプリケーションのためのタスク定義を受け取るステップと、
   前記機械学習アプリケーションのための前記タスク定義を受け取ることに応答して、データセットの潜在的な使用に対して、及び前記機械学習アプリケーションのための前記受け取られたタスク定義に従って、複数の以前に生成された特徴化を自動的に特定するステップと、
   前記受け取られたタスク定義を満たすために、前記複数の以前に生成された特徴化のうちの少なくとも１つの使用についての実行試験に基づいて、前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップと、
   前記機械学習アプリケーションによる受け取られたデータセットの少なくとも一部についての処理のために、前記以前に生成された特徴化のうちの前記選択された少なくとも１つを出力するステップと
   を含む、方法。
9. 前記受け取られたデータセットをデータセットのライブラリーと比較するステップをさらに含み、
   前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップは、前記比較に基づく、
   請求項８に記載の方法。
10. 前記受け取られたタスク定義をタスク定義のライブラリーと比較するステップをさらに含み、
    前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップは、前記比較に基づく、
    請求項８に記載の方法。
11. 前記複数の特定された以前に生成された特徴化のうちの前記選択された少なくとも１つについて過去の訓練実行の結果を調査するステップをさらに含む、
    請求項１０に記載の方法。
12. 前記複数の特定された以前に生成された特徴化のうちの少なくとも１つを前記受け取られたデータセットに適用した複数の試験実行の結果を調査するステップをさらに含み、
    前記複数の特定された以前に生成された特徴化のうちの前記少なくとも１つを選択するステップは、前記複数の試験実行の結果の比較に基づく、
    請求項８に記載の方法。
13. 前記以前に生成された特徴化のうちの前記選択された少なくとも１つによって、前記データセットの前記少なくとも一部を、生データから、機械学習アルゴリズムにとって語義的に意味のある少なくとも１つのより高度な特徴へと処理するステップをさらに含む、
    請求項８に記載の方法。
14. 成功が測定される方法の定義を受け取るステップをさらに含む、
    請求項８に記載の方法。