1 .一种可插拔式机器学习算法运行方法,其特征在于,所述方法包括:
定义预设算法;
对所述预设算法进行统一封装;
建立机器学习运行框架,在所述机器学习运行框架内置统一封装后的预设算法;
当接收用户的定向需求时,根据所述机器学习运行框架的策略模式调用内置的预设算
法。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当接收用户的定向需求时,获取用户的算法任务清单;
根据所述算法任务清单,顺序运行算法任务清单中的算法任务,将第一顺序的算法任
务的运行结果作为第二顺序的算法任务的输入,第二顺序的运行结果作为第三顺序的算法
任务的输入,直至运行结束。
3 .根据权利要求1所述的方法,其特征在于,所述对所述预设算法进行统一封装时还包
括:
将所述预设算法的封装接口设置为可变的;
建立机器学习运行框架,在所述机器学习运行框架内置统一封装后的预设算法,还包
括:
编写新预设算法并通过机器学习运行框架上层进行算法拟合;或
通过可插拔接口接入非预设算法。
4 .根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户输入的训练数据;
在所述机器学习运行框架中对所述训练数据进行算法测试;
根据机器学习运行框架的学习策略学习并记忆算法测试结果。
5 .一种可插拔式机器学习算法运行装置,其特征在于,所述装置包括:
定义模块,用于定义预设算法;
封装模块,用于对所述预设算法进行统一封装;
学习模块,用于建立机器学习运行框架,在所述机器学习运行框架内置统一封装后的
预设算法;
调用模块,用于当接收用户的定向需求时,根据所述机器学习运行框架的策略模式调
用内置的预设算法。
6 .根据权利要求5所述的装置,其特征在于,所述装置还包括:
获取模块,用于当接收用户的定向需求时,获取用户的算法任务清单;
运行模块,用于根据所述算法任务清单,顺序运行算法任务清单中的算法任务,将第一
顺序的算法任务的运行结果作为第二顺序的算法任务的输入,第二顺序的运行结果作为第
三顺序的算法任务的输入,直至运行结束。
7 .根据权利要求5所述的装置,其特征在于,所述封装模块包括:
接口可变子模块,用于将所述预设算法的封装接口设置为可变的;
所述学习模块包括:
缩写子模块,用于编写新预设算法并通过机器学习运行框架上层进行算法拟合;
接入子模块,用于通过可插拔接口接入非预设算法。
权 利 要 求 书
1/2 页
2
评论