买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种机器学习工作流构建方法，包括以下步骤：步骤1、构建算子，包括如下子步骤：步骤11、定义数据加载算子；步骤12、定义kmeans聚类模型算子；步骤13、数据标注及类别平衡处理算子的定义；步骤14、构建决策树分类模型算子；步骤15、模型预测算子的定义；步骤2、定义算子之间的连接和依赖关系，定义一个有向无环图DAG，其中节点代表算子，边代表算子之间的依赖关系；步骤3、编译工作流；步骤4、执行工作流，训练模型；步骤5、提交计算任务。本发明通过复用已有的工作流模板，建模人员可以快速构建新的工作流，减少重复劳动。

主权项：1.一种机器学习工作流构建方法，其特征在于，包括以下步骤：步骤1、构建算子，包括如下子步骤：步骤11、定义数据加载算子：数据加载算子使用@component作为装饰器，定义了一个名称为load_data的函数；@component放置于定义函数上方，能够定义函数的计算逻辑、接口、元数据；步骤12、定义kmeans聚类模型算子：kmeans算子的功能是根据数据加载算子加载的电潜泵工作数据，使用kmeans聚类模型将数据聚类为3类：正常、故障、失效，同时将聚类结果输出到MinIO存储；算子函数中输出变量到MinIO存储有两种不同的方式：一种是输出为Output类型，写法为：‘输出变量名：Output[输出数据类型]’；另一种是输出为OutputPath类型，写法为：‘输出变量名：OutputPath[输出数据类型]’；步骤13、数据标注及类别平衡处理算子的定义：使用oversample算子将Kmeans模型聚类结果作为类别标签，统计聚类结果，通过上采样的方式平衡各个类别的数据；同时按预设的比例将数据划分为训练集和测试集，并保存在MinIo中；步骤14、构建决策树分类模型算子：采用decisionTree算子将数据平衡后的聚类结果作为类别标签，构建decisionTree分类模型，并利用训练集数据进行训练；对训练好的模型进行存储，并记录模型的元数据，包括：模型大小，名称，计算框架；步骤15、模型预测算子的定义：使用predict算子，加载上一步保存的模型文件以及测试集，使用模型针对测试数据进行预测和泛化性能的测试，计算准确率的得分，输出混淆矩阵；混淆矩阵'contrusion_mat'以artifacts输出，格式为“confusion_mat.log_confusion_matrix类别列表：混淆矩阵列表”；混淆矩阵中的元素0、2、1分别与电潜泵对应的状态“Normal"、”Fault"、"Shut_down"对应，分别表示正常、故障、失效三种状态；步骤2、定义算子之间的连接和依赖关系，定义一个有向无环图DAG，其中节点代表算子；边代表算子之间的依赖关系，通过指定一个算子的输出作为另一个算子的输入来实现；步骤3、编译工作流，确保工作流能被正确解析和执行，将定义好的工作流保存为文件；步骤4、执行工作流，训练模型；步骤5、提交计算任务，根据需要运行工作流，每次运行时，需填写工作流参数，填写完相关信息，将定义好的工作流提交到Kubernetes集群，使用kubectl命令行工具或工作流引擎提供的API来创建相应的Kubernetes资源对象。

全文数据：

权利要求：

百度查询： 电子科技大学 一种机器学习工作流构建方法