TW201826140A

TW201826140A - 組件發佈及基於圖形化機器學習演算法平台的組件構建方法、圖形化機器學習演算法平台

Info

Publication number: TW201826140A
Application number: TW106137564A
Authority: TW
Inventors: 雷宗雄; 李博
Original assignee: 香港商阿里巴巴集團服務有限公司
Priority date: 2017-01-06
Filing date: 2017-10-31
Publication date: 2018-07-16
Also published as: JP7075933B2; CN108279890B; TWI795375B; US20190332970A1; EP3567474A1; WO2018126936A1; EP3567474A4; JP2020505670A; EP3567474B1; CN108279890A

Abstract

本發明提供了一種組件發佈及基於圖形化機器學習演算法平台的組件構建方法、圖形化機器學習演算法平台。圖形化機器學習演算法平台能夠將功能模型發佈或構建為新的組件，因此，在使用者需要重複使用某一項功能的情況下，可以直接使用新的組件，而無需再重複建立功能模型，從而方便使用者的使用。

Description

組件發佈及基於圖形化機器學習演算法平台的組件構建方法、圖形化機器學習演算法平台

本發明涉及電子資訊領域，尤其涉及一種組件發佈及基於圖形化機器學習演算法平台的組件構建方法、圖形化機器學習演算法平台。

圖形化機器學習演算法平台為一種使用者互動性平台，能夠向使用者提供建模功能，組件是圖形化機器學習演算法平台的基本單位。使用者將組件組成有序的流程，從而建立具有一定功能的模型。例如，圖1所示為使用者建立的一個分析使用者流失資料功能的模型，其中，橢圓形圖示表示組件，橢圓形圖示的名稱例如拆分-1以及隨機森林等表示組件運行的演算法。使用者將這些組件使用箭頭連接組成有序的流程，即建立起一個分析使用者流失資料的模型。　　然而，如果使用者需要再次使用該功能，還需要重新建立該功能模型。

申請人在研究的過程中發現，如果能將建立的功能模型在圖形化機器學習演算法平台發佈或構建為新組件，則再次需要該功能的情況下，可以直接選擇該新組件，而無需重複建立該功能模型。　　本發明提供了一種組件發佈方法及基於圖形化機器學習演算法平台的組件構建方法、圖形化機器學習演算法平台，目的在於解決如何在圖形化機器學習演算法平台發佈或構建新組件的問題。　　為了實現上述目的，本發明提供了以下技術方案：　　一種組件發佈方法，包括：　　在接收到將功能模型發佈為新組件的指令後，依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端；　　確定所述功能模型中的組件的必選參數的唯一標識，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值；　　將所述功能模型發佈為所述新組件。　　可選的，所述確定所述功能模型中組件的必選參數的唯一標識包括：　　在接收到選擇所述功能模型中的組件的指令後，顯示該組件的視覺化介面；　　通過所述視覺化介面接收所述組件的必選參數的唯一標識。　　可選的，所述視覺化介面包括：　　所述該組件的必選參數配置控制項的配置介面，所述必選參數配置控制項用於在所述新組件運行的過程中，接收對所述必選參數的配置指令。　　可選的，所述視覺化介面還包括：　　可選參數配置控制項的配置介面，所述可選參數配置控制項用於在所述新組件運行的過程中，接收對所述可選參數的配置指令。　　可選的，所述將所述功能模型發佈為所述新組件包括：　　向所述新組件輸入測試資料，並運行所述新組件；　　向所述功能模型輸入所述測試資料，並運行所述功能模型；　　如果所述新組件在運行後輸出的資料與所述功能模型在運行後輸出的資料相同，則將所述功能模型發佈為所述新組件。　　一種基於圖形化機器學習平台的組件創建方法，包括：　　圖形化機器學習平台在接收到新組件創建指令後，依據已建立的功能模型創建新組件，所述新組件中的各個組件的必選參數具有唯一標示，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。　　可選的，所述依據已建立的功能模型創建新組件包括：　　確定所述功能模型中的組件的必選參數的唯一標識，並依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端，以創建所述新組件。　　一種圖形化機器學習演算法平台，包括：　　輸入輸出確定模組，用於在接收到將功能模型發佈為新組件的指令後，依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端；　　標識確定模組，用於確定所述功能模型中的組件的必選參數的唯一標識，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值；　　發佈模組，用於將所述功能模型發佈為所述新組件。　　可選的，所述標識確定模組用於確定所述功能模型中組件的必選參數的唯一標識包括：　　所述標識確定模組具體用於，在接收到選擇所述功能模型中的組件的指令後，顯示該組件的視覺化介面；並通過所述視覺化介面接收所述組件的必選參數的唯一標識。　　可選的，所述標識確定模組用於顯示該組件的視覺化介面包括：　　所述標識確定模組具體用於，顯示所述該組件的必選參數配置控制項的配置介面，所述必選參數配置控制項用於在所述新組件運行的過程中，接收對所述必選參數的配置指令。　　可選的，所述視覺化介面還包括：　　可選參數配置控制項的配置介面，所述可選參數配置控制項用於在所述新組件運行的過程中，接收對所述可選參數的配置指令。　　可選的，所述發佈模組用於將所述功能模型發佈為所述新組件包括：　　所述發佈模組具體用於，向所述新組件輸入測試資料，並運行所述新組件；向所述功能模型輸入所述測試資料，並運行所述功能模型；如果所述新組件在運行後輸出的資料與所述功能模型在運行後輸出的資料相同，則將所述功能模型發佈為所述新組件。　　一種圖形化機器學習演算法平台，包括：　　組件創建模組，用於在接收到新組件創建指令後，依據已建立的功能模型創建新組件，所述新組件中的各個組件的必選參數具有唯一標示，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。　　可選的，所述組件創建模組用於依據已建立的功能模型創建新組件包括：　　所述組件創建模組具體用於，確定所述功能模型中的組件的必選參數的唯一標識，並依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端，以創建所述新組件。　　本發明所述的方法及圖形化機器學習演算法平台，通過將功能模型發佈或構建為新組件，在使用者需要重複使用某一項功能的情況下，可以直接使用新的組件，而無需再重複建立功能模型，從而方便使用者的使用。

本發明提供的一種組件發佈或構建方法，可以應用在圖形化機器學習演算法平台，目的在於，將由圖形化機器學習演算法平台原有的組件構建的功能模型，發佈或構建為新的組件。為了便於區分，本發明的實施例中，將圖形化機器學習演算法平台原有的組件稱為基礎組件，將由基礎組件發佈或構建而成的新組件稱為超級組件。其中，基礎組件可以為實現單一演算法的組件，也可以為由多個實現單一演算法的組件組合而成的組件。　　下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。　　圖2為本發明實施例公開的一種組件發佈方法，包括以下步驟：　　S201：圖形化機器學習演算法平台基於使用者的操作指令，得到待構建為超級組件的功能模型。　　S201的具體實現方式可以參見現有技術，這裡不再贅述。　　S202：圖形化機器學習演算法平台接收將功能模型發佈為新組件的指令。　　舉例說明，圖3所示為使用者在圖形化機器學習演算法平台已經建立好的流程，框選部分為待構建為超級組件的功能模型。使用者可以在功能模型上點擊右鍵，在彈出的功能表中選擇“合併”，則圖形化機器學習演算法平台確定接收到將框選部分的功能模型發佈為新組件的指令。　　進一步的，如圖3所示，圖形化機器學習演算法平台還可以接收使用者為超級組件輸入的名稱。例如，在使用者選擇“合併”後，圖形化機器學習演算法平台彈出對話方塊，並接收使用者在對話方塊中輸入的名稱“邏輯回歸&隨機森林評估”。　　S203：圖形化機器學習演算法平台依據功能模型中組件的連接關係，確定超級組件的輸入端和輸出端。　　具體的，連接關係為功能模型中的箭頭指示的連接關係，圖形化機器學習演算法平台將功能模型與上游組件的連接端作為超級組件的輸入端，將功能模型與下游組件的連接端作為超級組件的輸出端。　　接上例，圖3中，功能模型與上游組件的連接端為組件“缺失值填充-1”箭頭指向的埠，圖形化機器學習演算法平台將該埠作為超級組件的輸入端。功能模型與下游組件的連接端分別為組件“二分類評估-1”和組件“二分類評估-2”連接箭頭的埠，圖形化機器學習演算法平台將這兩個埠作為超級組件的輸出端。　　需要說明的是，在功能模型有多個與上游組件連接的埠的情況下，將這多個與上游組件連接的埠均作為超級組件的輸入端。在功能模型有多個與下游組件連接的埠的情況下，將這多個與下游組件連接的埠均作為超級組件的輸出端。　　S204：圖形化機器學習演算法平台確定所述功能模型中的組件的必選參數的唯一標識。　　唯一標識用於所述新組件在運行過程中識別必選參數的值。　　具體的，圖形化機器學習演算法平台在接收到選擇功能模型中的組件的指令後，顯示該組件的視覺化介面，並通過視覺化介面接收該組件的必選參數的唯一標識。舉例說明，如圖4中的配置過程所示，在接收到使用者按兩下功能模型中的組件“隨機森林”的指令後，圖形化機器學習演算法平台彈出組件“隨機森林”的視覺化介面，使用者可以在該視覺化介面上輸入組件“隨機森林”的必選參數的唯一標識。　　進一步的，如圖5所示，基礎組件的視覺化介面包括必選參數配置控制項的配置介面以及可選參數的配置控制項的配置介面（圖4中未畫出可選參數的配置控制項的配置介面）。其中，必選參數配置控制項用於在超級組件運行的過程中，接收對必選參數的配置指令。可選參數配置控制項用於在超級組件運行的過程中，接收對可選參數的配置指令。如圖4所示，在超級組件運行的過程中，使用者通過必選參數配置控制項對必選參數進行配置，例如，輸入必選參數的數值。圖4中的必選參數配置控制項的配置介面正是用於對必選參數配置控制項進行配置。而現有的圖形化機器學習演算法平台，參數配置控制項均為系統自動設置，使用者無法進行配置。　　如圖6所示，必選參數配置控制項的配置介面至少包括唯一標識配置項，唯一標識配置項用於接收使用者為該必選參數設置的標識。使用者可以通過該標識配置項輸入為該必選參數設置的標識，則圖形化機器學習演算法平台將此超級組件識別（包括接收或者內部傳遞）帶有該標識的資料作為該必選參數的值。換句話說，只要運行此超級組件時識別到帶有該標識的資料，則圖形化機器學習演算法平台將資料作為該必選參數的值。無論超級組件中的哪個基礎組件識別到此資料，均作為該必選參數的值。除了唯一標識配置項之外，必選參數配置控制項的配置介面還可以包括但不限於：控制項類型配置項、控制項名稱配置項以及控制項提示（包括提示和長提示）文本配置項。　　舉例說明，圖6為必選參數“訓練特徵列”的配置項，包括：　　控制項類型，圖6中，使用者通過下來選項選擇控制項類型為“多欄位選擇控制項（下游繼承所有欄位）”。　　唯一標識，圖6中使用者輸入“$FEATURE”作為“訓練特徵列”參數的唯一標識。　　控制項名稱，圖6中使用者輸入“訓練特徵列”作為控制項的名稱。　　提示文本，圖6中使用者輸入“必選”作為控制項的提示文本。　　長提示文本，圖6中長提示文本為空。　　可選參數配置控制項的配置介面包括該可選參數的名稱以及圖形化機器學習演算法平台為該參數設置的預設值，比如圖5中的“併發計算量”是一個可選參數的名稱，該參數預設值為100。使用者可以採納預設值，也可以在參數欄中對預設值進行修改。　　S205：對完成配置後的超級組件輸入測試資料，並將相同的測試資料登錄超級組件對應的功能模型（即構建此超級組件的功能模型），如果超級組件的輸出結果與功能模型的輸出結果相同，則執行S206，否則，執行S203~S204的至少一項。　　S206：發佈超級組件。　　圖2中，S202~S204的順序可以互換，S205為可選步驟。　　下面對圖2所示的流程進行舉例說明：　　如圖7所示，使用者在圖形化機器學習演算法平台上將基礎組件拖拽到畫布上，並使用箭頭將基礎組件組成流程。使用者從流程中框選一部分，並且，使用者還可以點擊右鍵，在彈出的功能表中選擇“合併”項，合併框選的組件，稱為建模流程子集，並輸入名稱“邏輯回歸&隨機森林評估”。　　圖形化機器學習演算法平台將建模流程子集的起始基礎組件“缺失值填充-1”連接上有組件的埠作為超級組件“邏輯回歸&隨機森林評估”的輸入端，將建模流程子集的末端基礎組件“二分類評估-1”和“二分類評估-2”連接下游組件的埠作為超級組件“邏輯回歸&隨機森林評估”的輸出端。　　使用者點擊建模流程子集中的基礎組件“隨機森林”，圖形化機器學習演算法平台響應使用者的點擊指令，彈出圖5所示的視覺化介面。　　使用者在視覺化介面上完成對參數配置控制項的配置。　　圖形化機器學習演算法平台接收使用者對於完成設置的超級組件的輸入參數，運行超級組件，得到超級組件的輸出資料。　　圖形化機器學習演算法平台接收使用者對於建模流程子集的輸入參數，運行建模流程子集，得到建模流程子集的輸出資料。　　如果超級組件的輸出資料和建模流程子集的輸出資料相同，則圖形化機器學習演算法平台發佈超級組件。　　至此，圖形化機器學習演算法平台發佈了新的超級組件，使用者如果需要建模流程子集的功能，無需再搭建一次建模流程子集，而直接使用超級組件即可。　　超級組件的使用方式與基礎組件的使用方式相同，如圖8所示的超級組件使用過程：使用者在圖形化機器學習演算法平台將超級組件“邏輯回歸&隨機森林評估”拖拽到畫布上，與其它基礎組件和/或超級組件構建流程。　　若使用者點擊“邏輯回歸&隨機森林評估”超級組件，如圖4所示，圖形化機器學習演算法平台彈出參數配置控制項，例如“訓練特徵列配置控制項”。使用者在“訓練特徵列配置控制項”中選擇欄位，以輸入作為訓練特徵列的資料。使用者配置好各個參數的資料後，在超級組件的運行過程中，從輸入端輸入資料並傳遞，這些資料中包括超級組件中的每個組件的必選參數的數值，各個組件從這些資料中識別出哪些資料是自己需要的，識別的依據就是在組件的發佈過程中為必選參數設定的唯一標識。　　另外，在超級組件的運行過程中，圖形化機器學習演算法平台依據超級組件中的箭頭方向建立Mysql臨時表，用於記錄每一個基礎組件的輸入組件和輸出組件，以向每一個基礎組件傳遞其各自的輸入組件和輸出組件的資訊。Mysql臨時表的內容為組件的四要素: 輸入，輸出，欄位設置，參數設置，當箭頭所指向的組件被運行時，會從Mysql表中提取四要素。在超級組件結束運行後，圖形化機器學習演算法平台清除Mysql表。　　從上述說明可以看出，圖2所示的組件發佈過程，通過對功能模型中的基礎組件的參數配置控制項的配置，為基礎組件的必選參數設置唯一標識，使得必選參數具備了“全域參數”的性質，即在超級組件運行過程中，超級組件中的基礎組件能夠識別哪些資料為自身需要的必選參數的值。因此，圖2發佈的超級組件能夠被重複使用，方便使用者的使用。　　本發明實施例還公開了一種基於圖形化機器學習平台的組件創建方法，包括以下步驟：　　圖形化機器學習平台在接收到新組件創建指令後，依據已建立的功能模型創建新組件，所述新組件中的各個組件的必選參數具有唯一標示，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。　　本實施例中，依據已建立的功能模型創建新組件的具體方式為：確定所述功能模型中的組件的必選參數的唯一標識，並依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端，以創建所述新組件。每一步驟具體的實現過程可以參見圖2。　　在創建新組件後，圖形化機器學習平台可以依據使用者的指令，發佈新組件。　　可見，本實施例中，圖形化機器學習平台具備了創建新組件的功能。　　圖9為本發明實施例公開的圖形化機器學習演算法平台，包括：輸入輸出確定模組、標識確定模組和發佈模組。　　其中，輸入輸出確定模組用於在接收到將功能模型發佈為新組件的指令後，依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端。標識確定模組用於確定所述功能模型中的組件的必選參數的唯一標識，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。發佈模組用於將所述功能模型發佈為所述新組件。　　各個模組具體的功能實現過程可以參見圖2，這裡不再贅述。　　本實施例所述的圖形化機器學習演算法平台，具有將功能模型發佈為新組件的功能，因此能夠方便使用者的使用。　　本發明實施例還公開了一種圖形化機器學習演算法平台，包括組件創建模組，用於在接收到新組件創建指令後，依據已建立的功能模型創建新組件，所述新組件中的各個組件的必選參數具有唯一標示，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。其中，依據已建立的功能模型創建新組件的具體實現方式為：確定所述功能模型中的組件的必選參數的唯一標識，並依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端，以創建所述新組件。　　可見，本實施例所述的圖形化機器學習演算法平台，具有創建新組件的功能。　　本發明實施例方法所述的功能如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以儲存在一個計算設備可讀取儲存介質中。基於這樣的理解，本發明實施例對現有技術做出貢獻的部分或者該技術方案的部分可以以軟體產品的形式體現出來，該軟體產品儲存在一個儲存介質中，包括若干指令用以使得一台計算設備（可以是個人電腦，伺服器，行動計算裝置或者網路設備等）執行本發明各個實施例所述方法的全部或部分步驟。而前述的儲存介質包括：U盤、移動硬碟、唯讀記憶體（ROM，Read-Only Memory）、隨機存取記憶體（RAM，Random Access Memory）、磁碟或者光碟等各種可以儲存程式碼的介質。　　本說明書中各個實施例採用遞進的方式描述，每個實施例重點說明的都是與其它實施例的不同之處，各個實施例之間相同或相似部分互相參見即可。　　對所公開的實施例的上述說明，使本領域專業技術人員能夠實現或使用本發明。對這些實施例的多種修改對本領域的專業技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發明的精神或範圍的情況下，在其它實施例中實現。因此，本發明將不會被限制於本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的範圍。

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。　　圖1為使用者建立的一個分析使用者流失資料功能的模型的示意圖；　　圖2為本發明實施例公開的一種組件發佈方法的流程圖；　　圖3為本發明實施例公開的圖形化機器學習演算法平台接收將功能模型發佈為新組件的指令的示意圖；　　圖4為本發明實施例公開的超級組件的配置過程與運行過程的對照示意圖；　　圖5為本發明實施例公開的基礎組件的視覺化介面的示意圖；　　圖6為本發明實施例公開的必選參數配置控制項的配置介面的示意圖；　　圖7為本發明實施例公開的組件發佈方法的流程示例圖；　　圖8為本發明實施例公開的超級組件的使用示意圖；　　圖9為本發明實施例公開的圖形化機器學習演算法平台的結構示意圖。

Claims

一種組件發佈方法，其包括：　　在接收到將功能模型發佈為新組件的指令後，依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端；　　確定所述功能模型中的組件的必選參數的唯一標識，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值；　　將所述功能模型發佈為所述新組件。
如申請專利範圍第1項所述的方法，其中，所述確定所述功能模型中組件的必選參數的唯一標識包括：　　在接收到選擇所述功能模型中的組件的指令後，顯示該組件的視覺化介面；　　通過所述視覺化介面接收所述該組件的必選參數的唯一標識。
如申請專利範圍第2項所述的方法，其中，所述視覺化介面包括：　　所述該組件的必選參數配置控制項的配置介面，所述必選參數配置控制項用於在所述新組件運行的過程中，接收對所述必選參數的配置指令。
如申請專利範圍第3項所述的方法，其中，所述視覺化介面還包括：　　可選參數配置控制項的配置介面，所述可選參數配置控制項用於在所述新組件運行的過程中，接收對所述可選參數的配置指令。
如申請專利範圍第1至3項任一項所述的方法，其中，所述將所述功能模型發佈為所述新組件包括：　　向所述新組件輸入測試資料，並運行所述新組件；　　向所述功能模型輸入所述測試資料，並運行所述功能模型；　　如果所述新組件在運行後輸出的資料與所述功能模型在運行後輸出的資料相同，則將所述功能模型發佈為所述新組件。
一種基於圖形化機器學習平台的組件創建方法，其包括：　　圖形化機器學習平台在接收到新組件創建指令後，依據已建立的功能模型創建新組件，所述新組件中的各個組件的必選參數具有唯一標示，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。
如申請專利範圍第6項所述的方法，其中，所述依據已建立的功能模型創建新組件包括：　　確定所述功能模型中的組件的必選參數的唯一標識，並依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端，以創建所述新組件。
一種圖形化機器學習演算法平台，其包括：　　輸入輸出確定模組，用於在接收到將功能模型發佈為新組件的指令後，依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端；　　標識確定模組，用於確定所述功能模型中的組件的必選參數的唯一標識，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值；　　發佈模組，用於將所述功能模型發佈為所述新組件。
如申請專利範圍第8項所述的圖形化機器學習演算法平台，其中，所述標識確定模組用於確定所述功能模型中組件的必選參數的唯一標識包括：　　所述標識確定模組具體用於，在接收到選擇所述功能模型中的組件的指令後，顯示該組件的視覺化介面；並通過所述視覺化介面接收所述組件的必選參數的唯一標識。
如申請專利範圍第9項所述的圖形化機器學習演算法平台，其中，所述標識確定模組用於顯示該組件的視覺化介面包括：　　所述標識確定模組具體用於，顯示所述該組件的必選參數配置控制項的配置介面，所述必選參數配置控制項用於在所述新組件運行的過程中，接收對所述必選參數的配置指令。
如申請專利範圍第10項所述的圖形化機器學習演算法平台，其中，所述視覺化介面還包括：　　可選參數配置控制項的配置介面，所述可選參數配置控制項用於在所述新組件運行的過程中，接收對所述可選參數的配置指令。
如申請專利範圍第8至11項任一項所述的圖形化機器學習演算法平台，其中，所述發佈模組用於將所述功能模型發佈為所述新組件包括：　　所述發佈模組具體用於，向所述新組件輸入測試資料，並運行所述新組件；向所述功能模型輸入所述測試資料，並運行所述功能模型；如果所述新組件在運行後輸出的資料與所述功能模型在運行後輸出的資料相同，則將所述功能模型發佈為所述新組件。
一種圖形化機器學習演算法平台，其包括：　　組件創建模組，用於在接收到新組件創建指令後，依據已建立的功能模型創建新組件，所述新組件中的各個組件的必選參數具有唯一標示，所述唯一標識用於所述新組件在運行過程中識別所述必選參數的值。
如申請專利範圍第13項所述的圖形化機器學習演算法平台，其中，所述組件創建模組用於依據已建立的功能模型創建新組件包括：　　所述組件創建模組具體用於，確定所述功能模型中的組件的必選參數的唯一標識，並依據所述功能模型中組件的連接關係，確定所述新組件的輸入端和輸出端，以創建所述新組件。