摘要：
本发明公开了一种自动化建模方法、装置及电子设备，该方法包括获取并保存作为初始模型训练基础的初始训练数据，基于保存的初始训练数据生成初始训练样本，并利用所述初始训练样本训练出初始机器学习模型，基于训练出的所述初始机器学习模型，获得模型训练方案，基于获得的所述模型训练方案，利用更新的训练数据得到更新的训练样本，并利用更新的训练样本得到更新的机器学习模型，以及利用选择出的机器学习模型进行预测服务。
技术领域：
本发明涉及人工智能领域，更具体地涉及一种自动化建模方法、一种自动化建模装置、及一种电子设备。
背景技术：
目前机器学习模型的构建主要是由专业建模人员通过手动编写代码或者使用图形化界面的方式来实现，然而这两种实现方式均需要投入很高的人力成本和时间成本，才能得到一个较为满意的模型，不利于模型的大规模探索和应用，因此有必要提供一种自动化建模方法。
发明内容：
本发明实施例的一个目的是提供一种自动化建模的新技术方案。
根据本发明的第一方面，提供了一种自动化建模方法，其包括：获取并保存作为初始模型训练基础的初始训练数据，基于保存的初始训练数据生成初始训练样本，并利用所述初始训练样本训练出初始机器学习模型。基于训练出的所述初始机器学习模型，获得模型训练方案。基于获得的所述模型训练方案，利用更新的训练数据得到更新的训练样本，并利用更新的训练样本得到更新的机器学习模型。
以及利用选择出的机器学习模型进行预测服务。所述初始训练数据包括行为数据和反馈数据之中的至少一项，所述更新的训练数据包括更新的行为数据和更新的反馈数据之中的至少一项。获取并保存作为初始模型训练基础的初始训练数据，包括分别提供导入行为数据或导入反馈数据的至少一个数据导入路径，在选择数据导入路径之后，上传行为数据表或反馈数据表。提供对上传的数据表进行信息配置的配置界面。
根据通过所述配置界面输入的配置信息，导入行为数据表中的行为数据或反馈数据表中的反馈数据，保存行为数据或反馈数据。所述方法在上传行为数据表或反馈数据表之后，还包括，自动识别行为数据表或反馈数据表中的数据字段类型。根据本发明实施例的方法、装置及电子设备，其能够在训练出初始机器学习模型的基础上获得模型训练方案以根据该模型训练方案得到更新的机器学习模型，从而能够实现机器学习模型的定期自动更新和线上机器学习模型的自动更新，并通过机器学习模型的自动化建模，使得数据收集、模型生产、模型应用等多个过程实现全流程循环作业，从而大大降低了机器学习建模的成本。
