用于机器语言模型创建的用户界面的制作方法

技术特征：
1.一种用于使用图形用户界面生成机器学习模型的方法，所述方法包括由电子设备执行，包括：经由用户界面接收对限定机器学习模型的多个模板中的模板的选择，每个模板对应于数据类型的类别；标识多个训练数据的位置，所述多个训练数据包括第一多个结构化数据记录和第一相关联元数据记录，所述第一相关联元数据记录中的每个元数据记录至少标识所述第一多个结构化数据记录的分类标签；通过分析所述第一多个结构化数据记录和所述第一相关联元数据记录中的每一者来训练所述机器学习模型，以生成经训练的模型；标识多个验证数据的位置，所述多个验证数据包括第二多个结构化数据记录和第二相关联元数据记录，所述第二相关联元数据记录中的每个元数据记录至少标识所述第二多个结构化数据记录的所述分类标签；通过分析所述第二多个结构化数据记录中的每一者以生成所述第二多个结构化数据记录中的每一者的标识，来验证所述经训练的模型；通过将所述第二多个结构化数据记录中的每一者的所述标识与所述第二相关联元数据记录进行比较以生成准确度得分来显示所述准确度得分；以及生成用于所述经训练的模型的代码，所述代码包括所述经训练的模型并且能够在移动设备上执行以对从所述移动设备的传感器获得的数据进行分类。2.根据权利要求1所述的方法，还包括：分析所述多个训练数据以确定多个分类，每个分类对应于不同的分类标签；以及比较所述多个训练数据的所述分类标签以确定与所述数据类型的所述类别的一致性。3.根据权利要求1所述的方法，还包括：分析所述多个训练数据以确定多个分类，每个分类对应于不同的分类标签；在所述图形用户界面上显示所述多个训练数据的所述分类的列表；以及接收对所述多个分类中一个或多个分类用于训练所述机器学习模型的选择。4.根据权利要求2至3中任一项所述的方法，还包括：在所述图形用户界面上显示所述多个训练数据的所述分类的列表；以及接收对所述多个分类中一个或多个分类用于训练所述机器学习模型的选择。5.根据权利要求1至3中任一项所述的方法，还包括通过选择与所述训练数据相关联的图标并将所述图标拖动到所述图形用户界面上的指定区域上来接收所述多个训练数据的所述位置的所述标识。6.根据权利要求1至3中任一项所述的方法，其中标识所述多个验证数据的所述位置包括自动选择所述训练数据的随机部分，其中所述训练数据的所述随机部分被阻止训练所述机器学习模型。7.根据权利要求1至3中任一项所述的方法，还包括：接收将从所述训练数据中自动选择所述多个验证数据的选择；阻止预选百分比的所述训练数据进行所述训练，所阻止的训练数据包括所述第二多个结构化数据记录；通过分析所述第二多个结构化数据记录中的每一者以生成所述第二多个结构化数据
记录和所述第二相关联元数据记录中的每一者的所述标识，来验证所述经训练的模型；以及通过将所述第二多个结构化数据记录中的每一者的所述标识与所述第二相关联元数据记录进行比较来生成所述准确度得分。8.根据权利要求1至3中任一项所述的方法，还包括：检测达到所述多个训练数据的阈值；以及自动训练所述机器学习模型；以及生成用于所述经训练的模型的所述代码。9.一种计算设备，包括：一个或多个存储器；和一个或多个处理器，所述一个或多个处理器与所述一个或多个存储器通信并被配置为执行存储在所述一个或多个存储器中的指令以执行包括以下项的操作：经由用户界面接收对限定机器学习模型的多个模板中的模板的选择，每个模板对应于数据类型的类别；标识多个训练数据的位置，所述多个训练数据包括第一多个结构化数据记录和第一相关联元数据记录，所述第一相关联元数据记录中的每个元数据记录至少标识所述第一多个结构化数据记录的分类标签；通过分析所述第一多个结构化数据记录和所述第一相关联元数据记录中的每一者来训练所述机器学习模型，以生成经训练的模型；标识多个验证数据的位置，所述多个验证数据包括第二多个结构化数据记录和第二相关联元数据记录，所述第二相关联元数据记录中的每个元数据记录至少标识所述第二多个结构化数据记录的所述分类标签；通过分析所述第二多个结构化数据记录中的每一者以生成所述第二多个结构化数据记录中的每一者的标识，来验证所述经训练的模型；通过将所述第二多个结构化数据记录中的每一者的所述标识与所述第二相关联元数据记录进行比较以生成准确度得分来显示所述准确度得分；以及生成用于所述经训练的模型的代码，所述代码包括所述经训练的模型并且能够在移动设备上执行以对从所述移动设备的传感器获得的数据进行分类。10.根据权利要求9所述的计算设备，还包括存储在所述一个或多个存储器中用于执行包括以下项的操作的指令：分析所述多个训练数据以确定多个分类，每个分类对应于不同的分类标签；以及比较所述多个训练数据的所述分类标签以确定与所述数据类型的所述类别的一致性。11.根据权利要求9所述的计算设备，还包括存储在所述一个或多个存储器中用于执行包括以下项的操作的指令：分析所述多个训练数据以确定多个分类，每个分类对应于不同的分类标签；在图形用户界面上显示所述多个训练数据的所述分类的列表；以及接收对所述多个分类中一个或多个分类用于训练所述机器学习模型的选择。12.根据权利要求10至11中任一项所述的计算设备，还包括存储在所述一个或多个存储器中用于执行包括以下项的操作的指令：
在所述用户界面上显示所述多个训练数据的所述分类的列表；以及接收对所述多个分类中一个或多个分类用于训练所述机器学习模型的选择。13.根据权利要求9所述的计算设备，还包括存储在所述一个或多个存储器中用于执行包括以下项的操作的指令：通过选择与所述训练数据相关联的图标并将所述图标拖动到图形用户界面上的指定区域上来接收所述多个训练数据的所述位置的所述标识。14.根据权利要求9所述的计算设备，其中标识所述多个验证数据的所述位置包括自动选择所述训练数据的随机部分，其中所述训练数据的所述随机部分被阻止训练所述机器学习模型。15.根据权利要求9所述的计算设备，还包括存储在所述一个或多个存储器中用于执行包括以下项的操作的指令：接收将从所述训练数据中自动选择所述多个验证数据的选择；阻止预选百分比的所述训练数据进行所述训练，所阻止的训练数据包括所述第二多个结构化数据记录；通过分析所述第二多个结构化数据记录中的每一者以生成所述第二多个结构化数据记录和所述第二相关联元数据记录中的每一者的所述标识，来验证所述经训练的模型；以及通过将所述第二多个结构化数据记录中的每一者的所述标识与所述第二相关联元数据记录进行比较来生成所述准确度得分。16.根据权利要求9所述的计算设备，还包括存储在所述一个或多个存储器中用于执行包括以下项的操作的指令：检测达到所述多个训练数据的阈值；自动训练所述机器学习模型；以及生成用于所述经训练的模型的所述代码。17.一种存储多个指令的非暂态计算机可读介质，所述多个指令在由计算设备的一个或多个处理器执行时使所述计算设备的所述一个或多个处理器执行包括以下项的操作：经由用户界面接收对限定机器学习模型的多个模板中的模板的选择，每个模板对应于数据类型的类别；标识多个训练数据的位置，所述多个训练数据包括第一多个结构化数据记录和第一相关联元数据记录，所述第一相关联元数据记录中的每个元数据记录至少标识所述第一多个结构化数据记录的分类标签；通过分析所述第一多个结构化数据记录和所述第一相关联元数据记录中的每一者来训练所述机器学习模型，以生成经训练的模型；标识多个验证数据的位置，所述多个验证数据包括第二多个结构化数据记录和第二相关联元数据记录，所述第二相关联元数据记录中的每个元数据记录至少标识所述第二多个结构化数据记录的所述分类标签；通过分析所述第二多个结构化数据记录中的每一者以生成所述第二多个结构化数据记录中的每一者的标识，来验证所述经训练的模型；通过将所述第二多个结构化数据记录中的每一者的所述标识与所述第二相关联元数据记录进行比较以生成准确度得分来显示所述准确度得分；以及
生成用于所述经训练的模型的代码，所述代码包括所述经训练的模型并且能够在移动设备上执行以对从所述移动设备的传感器获得的数据进行分类。18.根据权利要求17所述的非暂态计算机可读介质，另外的指令在由所述计算设备的一个或多个处理器执行时使所述计算设备的所述一个或多个处理器执行包括以下项的操作：分析所述多个训练数据以确定多个分类，每个分类对应于不同的分类标签；以及比较所述多个训练数据的所述分类标签以确定与所述数据类型的所述类别的一致性。19.根据权利要求17所述的非暂态计算机可读介质，另外的指令在由所述计算设备的一个或多个处理器执行时使所述计算设备的所述一个或多个处理器执行包括以下项的操作：分析所述多个训练数据以确定多个分类，每个分类对应于不同的分类标签；在图形用户界面上显示所述多个训练数据的所述分类的列表；以及接收对所述多个分类中一个或多个分类用于训练所述机器学习模型的选择。20.根据权利要求17至19中任一项所述的非暂态计算机可读介质，另外的指令在由所述计算设备的一个或多个处理器执行时使所述计算设备的所述一个或多个处理器执行包括以下项的操作：接收将从所述训练数据中自动选择所述多个验证数据的选择；阻止预选百分比的所述训练数据进行所述训练，所阻止的训练数据包括所述第二多个结构化数据记录；通过分析所述第二多个结构化数据记录中的每一者以生成所述第二多个结构化数据记录和所述第二相关联元数据记录中的每一者的所述标识，来验证所述经训练的模型；以及通过将所述第二多个结构化数据记录中的每一者的所述标识与所述第二相关联元数据记录进行比较来生成所述准确度得分。

技术总结
本公开呈现了用于创建机器学习模型的用户界面的设备、方法和计算机可读介质。应用开发人员可从适合于在其应用中使用的数据类型的多个模板中选择机器学习模板(304)。模板可包括用于图像、文本、声音、运动和表格数据的分类的多个模板。图形用户界面(300)允许训练数据(316)、验证数据(318)的直观选择、以及将经训练的模型(314)集成到应用中。该用户界面还显示利用测试数据的训练准确度(508)和验证准确度(510)两者的数字得分。应用提供实况模式，该实况模式允许在移动设备上执行机器学习模型，以允许根据来自移动设备上的传感器(即，相机或麦克风)中一者或多者的数据来测试模型。机或麦克风)中一者或多者的数据来测试模型。机或麦克风)中一者或多者的数据来测试模型。


技术研发人员：M
受保护的技术使用者：苹果公司
技术研发日：2020.05.29
技术公布日：2022/1/14