用户可定制的机器学习模型的制作方法

本公开涉及机器学习模型，并且具体地涉及能够由用户定制或定做的机器学习模型。

背景技术：

最近，机器学习的使用已经成为数据科学的基石，并在研究环境中得到了广泛的应用。然而，消费者通常只能访问这些活动的经训练的结果。没有计算机科学方面的广泛专业知识，消费者就无法利用机器学习的潜力来满足他们自己的需求或好奇心。

技术实现要素：

因此，目的是提供一种装置、系统和方法，其使得用户能够根据他们的特定要求或情况来定制对机器学习模型的训练。

根据第一特定方面，提供了一种用于提供用户可定制的机器学习模型mlm的装置，所述装置包括一个或多个处理单元，所述一个或多个处理单元被配置为：从一个或多个传感器接收测量结果，所述一个或多个传感器监测用户、所述用户的对象和/或环境的一个或多个方面；经由用户接口接收针对所接收的测量结果的一个或多个部分的一个或多个用户定义的标签；根据所述一个或多个部分以及所述一个或多个用户定义的标签来形成训练测量结果集；并且利用所述训练测量结果集来训练mlm以生成经训练的mlm，其中，所述经训练的mlm使得所述经训练的mlm能够确定针对从所述一个或多个传感器接收的另外的测量结果的一个或多个用户定义的标签。

在一些实施例中，所接收的测量结果的部分是针对由所述用户识别的时间段的测量结果。

在一些实施例中，所述用户接口使得所述用户能够将所述一个或多个用户定义的标签输入为自由文本或自由格式数据。

在一些实施例中，所述一个或多个处理单元还被配置为：从所述一个或多个传感器接收另外的测量结果；并且使用所述经训练的mlm来评估所接收的另外的测量结果以确定针对所接收的另外的测量结果的一个或多个用户定义的标签。在这些实施例中，所述一个或多个处理单元还可以被配置为经由所述用户接口将所确定的一个或多个用户定义的标签作为针对所接收的另外的测量结果的建议的用户定义的标签输出给所述用户。在这些实施例中，所述一个或多个处理单元还可以被配置为经由所述用户接口从所述用户接收确认或拒绝所述建议的用户定义的标签的输入。在这些实施例中，所述一个或多个处理单元还可以被配置为经由所述用户接口输出针对所接收的另外的测量结果的所确定的一个或多个用户定义的标签的指示。在这些实施例中，所述一个或多个处理单元还可以被配置为经由所述用户接口接收在由所述经训练的mlm针对另外的测量结果确定所述用户定义的标签中的特定一个或多个的情况下要提供通知的指示；并且在由所述经训练的mlm针对所接收的另外的测量结果确定所述用户定义的标签中的特定一个或多个的情况下经由所述用户接口将通知输出给所述用户。

在一些实施例中，所述一个或多个传感器包括从以下项中选择的一个或多个传感器：运动传感器、移动传感器、旋转传感器、温度传感器、气压传感器、湿度传感器、声音传感器、距离传感器、接近传感器、光传感器、磁场传感器、开关、按钮、旋钮以及滑块。

在一些实施例中，所述一个或多个传感器是一个或多个感测模块的部分，并且其中，感测模块包括附接机构以使得所述感测模块能够被附接到所述用户、另一人、或所述用户的所述环境中的对象。

根据第二方面，提供了一种系统，包括：一个或多个传感器，其用于监测用户、所述用户的对象和/或环境的一个或多个方面；一个或多个用户接口部件，其被配置为使得用户能够输入针对来自所述一个或多个传感器的测量结果的一个或多个部分的一个或多个用户定义的标签；以及一个或多个通信单元，其用于将来自所述一个或多个传感器的所述测量结果传送到远程装置并且用于将由所述用户输入的所述一个或多个用户定义的标签传送到所述远程装置。

在一些实施例中，所述系统还包括根据第一方面或其任何实施例的装置。

根据第三方面，提供了一种用于提供用户可定制的机器学习模型mlm的方法，所述方法包括：从一个或多个传感器接收测量结果，所述一个或多个传感器监测用户、所述用户的对象和/或环境的一个或多个方面；经由用户接口接收针对所接收的测量结果的一个或多个部分的一个或多个用户定义的标签；根据所述一个或多个部分以及所述一个或多个用户定义的标签来形成训练测量结果集；并且利用所述训练测量结果集来训练mlm以生成经训练的mlm，其中，所述经训练的mlm使得所述经训练的mlm能够确定针对从所述一个或多个传感器接收的另外的测量结果的一个或多个用户定义的标签。

在一些实施例中，所接收的测量结果的部分是针对由所述用户识别的时间段的测量结果。

在一些实施例中，所述一个或多个用户定义的标签被接收为自由文本或自由格式数据。

在一些实施例中，所述方法还包括以下步骤：从所述一个或多个传感器接收另外的测量结果；并且使用所述经训练的mlm来评估所接收的另外的测量结果以确定针对所接收的另外的测量结果的一个或多个用户定义的标签。在这些实施例中，所述方法还可以包括以下步骤：经由所述用户接口将所确定的一个或多个用户定义的标签作为针对所接收的另外的测量结果的建议的用户定义的标签输出给所述用户。在这些实施例中，所述方法还可以包括经由所述用户接口从所述用户接收确认或拒绝所述建议的用户定义的标签的输入。在这些实施例中，所述方法还可以包括经由所述用户接口输出针对所接收的另外的测量结果的所确定的一个或多个用户定义的标签的指示。在这些实施例中，所述方法还可以包括以下步骤：经由所述用户接口接收在由所述经训练的mlm针对另外的测量结果确定所述用户定义的标签中的特定一个或多个的情况下要提供通知的指示；并且在由所述经训练的mlm针对所接收的另外的测量结果确定所述用户定义的标签中的特定一个或多个的情况下经由所述用户将通知输出给所述用户。

在一些实施例中，所述一个或多个传感器包括从以下项中选择的一个或多个传感器：运动传感器、移动传感器、旋转传感器、温度传感器、气压传感器、湿度传感器、声音传感器、距离传感器、接近传感器、光传感器、磁场传感器、开关、按钮、旋钮以及滑块。

在一些实施例中，所述一个或多个传感器是一个或多个感测模块的部分，并且其中，感测模块包括附接机构以使得所述感测模块能够被附接到所述用户、另一人、或所述用户的所述环境中的对象。

根据第四方面，提供了一种包括计算机可读介质的计算机程序产品，所述计算机可读介质具有体现于其中的计算机可读代码，所述计算机可读代码被配置为使得在由合适的计算机或处理器运行时，使所述计算机或处理器执行第三方面的方法或其任何实施例。

通过参考下文描述的(一个或多个)实施例，这些和其他方面将变得显而易见并得到阐明。

附图说明

现在将参考以下附图仅以示例的方式描述示例性实施例，其中：

图1是示出了根据示例性实施例的系统的框图；

图2是示出了根据示例性实施例的方法的流程图；并且

图3是示出了示例性传感器测量结果和用户定义的标签的一组图。

具体实施方式

如以上所提到的，对终端用户有意义的数据或信息是非常多样化的，并且可以随时间变化。因此，期望向用户(特别是技术知识有限的消费者)提供使用机器学习模型的能力，尤其是向用户提供根据其特定要求或情况定制对机器学习模型的训练的能力。这可以使得用户能够了解对用户而言非常私人的行为与经历数据之间的关联。使用多功能的并且用户可以容易地对其进行重新定位或重新放置的传感器(例如，它们可以用于监测用户、对象和/或环境的多个不同方面，并且受监测的方面或受监测的用户或对象可以随时间变化)，用户可以对传感器和机器学习模型进行实验，以找到可能难以掌握的相关见解。

因此，根据本文描述的技术，一个或多个传感器用于测量用户的一些方面、用户可以使用或正在使用的对象的一些方面、和/或用户的环境的一些方面，并且向用户提供用户接口，该用户接口使得用户能够将标签应用到来自(一个或多个)传感器的测量结果。这些标签可以是用户希望或需要的任何东西，并且可以例如指示与正在刷牙的用户有关的对象的运动的测量结果的部分、与正在洗澡的用户有关的测量结果的部分、与摇晃婴儿睡觉的用户有关的测量结果的部分、等等。由于用户可以随意如他们所希望或需要地设置标签(例如，标签可以是使用自由文本的输入或者是自由格式数据)，因此标签不仅可以涉及用户的动作或与对象的交互，还可以涉及用户的经历，例如，对象的测量结果的一部分可以被标记为“真正彻底刷牙”，而对象的测量结果的另一部分则可以被标记为“匆忙刷牙”。作为另一示例，测量结果的一部分可以被标记为“摇晃婴儿入睡-花了很长时间”，而测量结果的另一部分则可以被标记为“摇晃婴儿入睡-婴儿安顿下来”。用户定义的标签也可以称为用户定义的标记。

标签和传感器测量结果用于形成针对机器学习模型的训练集，并且使用训练集和传感器测量结果来训练机器学习模型，使得机器学习模型能够预测用户定义的标签是否适用于随后所接收的传感器测量结果。

一旦被训练，机器学习模型能够用于随后所接收的传感器测量结果，以确定用户定义的标签中的任何是否适用于传感器测量结果或传感器测量结果的部分。

图1中示出了能够用于实施上述技术的示例性系统。广泛地说，系统2包括：一个或多个传感器4，其用于采集用户、用户的对象和/或环境的一个或多个方面的测量结果；用户设备6，其用于使得用户能够输入针对传感器测量结果的用户定义的标签；以及装置8，其用于训练机器学习模型(mlm)以识别要被标记有用户定义的标签的随后的传感器的测量结果的部分。

图1将(一个或多个)传感器4、用户设备6和装置8示出为单独的实体，但是从下面的描述将认识到，这些实体中的一个或多个可以被组合为单个实体。例如，用户设备6和装置8的功能可以由单个设备/装置提供。

装置8包括处理单元10，该处理单元控制装置8的操作并且可以被配置为运行或执行本文描述的方法或方法的部分。例如，处理单元10可以接收传感器测量结果以及用户已经应用到传感器测量结果或针对传感器测量结果指定的一个或多个标签，并且处理单元10可以训练机器学习模型12以识别要被标记有用户定义的标签的随后的传感器测量结果的部分。

可以用软件和/或硬件以多种方式来实施处理单元10，以执行本文描述的各种功能。处理单元10可以包括一个或多个微处理器或数字信号处理器(dsp)，其可以使用软件或计算机程序代码来编程以执行所需的功能和/或控制处理单元10的部件以实现所需的功能。处理单元10可以被实施为用于执行一些功能的专用硬件(例如，放大器、前置放大器、模数转换器(adc)和/或数模转换器(dac))和用于执行其他功能的处理器(例如，一个或多个编程的微处理器、控制器、dsp和相关联的电路)的组合。可以在本公开的各种实施例中采用的部件的示例包括但不限于常规微处理器、dsp、专用集成电路(asic)和现场可编程门阵列(fpga)。

处理单元10连接到存储器单元14，该存储器单元可以存储数据、信息和/或信号，以供处理单元10在控制装置8的操作中和/或在运行或执行本文描述的方法中使用。在一些实施方式中，存储器单元14存储可以由处理单元10运行的计算机可读代码，使得处理单元10执行包括本文描述的方法的一个或多个功能。存储器单元14可以包括任何类型的非瞬态机器可读介质，例如高速缓存或系统存储器，包括易失性和非易失性计算机存储器，例如以存储芯片的形式实施的随机存取存储器(ram)静态ram(sram)、动态ram(dram)、只读存储器(rom)、可编程rom(prom)、可擦除prom(eprom)和电可擦除prom(eeprom)、光盘(例如，压缩盘(cd)、数字多功能光盘(dvd)或蓝光盘)、硬盘、磁带存储解决方案或固态设备，包括记忆棒、固态驱动器(ssd)、存储卡等。

在该示出的实施例中，装置8与一个多个传感器4和用户设备6分离，并且装置8需要能够与(一个或多个)传感器4和/或用户设备6通信。因此，装置8还包括接口电路16，该接口电路用于实现与包括用户设备6和/或(一个或多个)传感器4的其他设备的数据连接和/或数据交换。接口电路16还可以实现与一个或多个服务器和/或数据库以及可选的一个或多个其他用户设备和传感器(例如，不同用户使用的那些)的数据交换。

该连接可以是直接的或间接的(例如，经由因特网)，并且因此接口电路16可以经由任何期望的有线或无线通信协议来实现装置8与诸如因特网的网络之间的连接。例如，接口电路16可以使用wifi、蓝牙、zigbee或任何蜂窝通信协议(包括但不限于全球移动通信系统(gsm)、通用移动电信系统(umts)、长期演进(lte)、高级lte等)来操作。在无线连接的情况下，接口电路16(以及因此装置8)可以包括用于通过传输介质(例如，空气)进行发射/接收的一个或多个合适的天线。或者，在无线连接的情况下，接口电路16可以包括装置(例如，连接器或插头)，以使得接口电路16能够连接到装置8外部的一个或多个合适的天线，以用于通过传输介质(例如，空气)进行发射/接收。接口电路16连接到处理单元10。

可选地，装置8可以包括用户接口(图1中未示出)，该用户接口包括一个或多个部件，该一个或多个部件使得装置8的用户能够将信息、数据和/或命令输入到装置8中，和/或使得装置8向装置8的用户输出信息或数据。用户接口可以包括(一个或多个)任何合适的输入部件，包括但不限于键盘、小键盘、一个或多个按钮、开关或转盘、鼠标、触控板、触摸屏、手写笔、照相机、麦克风等，并且用户接口ww可以包括(一个或多个)任何合适的输出部件，包括但不限于显示屏、一个或多个灯或照明元件、一个或多个扬声器、振动元件等。

装置8可以是任何类型的电子设备或计算设备。在一些实施方式中，装置8可以是膝上型计算机、平板电脑、智能手机、智能手表等或作为其一部分。在其他实施方式中，装置8是在受试者/用户的家庭或护理环境中存在或使用的装置。例如，装置8可以是膝上型计算机、平板电脑、智能电话、智能手表或计算机或作为其一部分。在其他实施方式中，装置8是远离受试者/用户并且远离受试者/用户的家庭或护理环境的装置。例如，装置8可以是服务器，例如数据中心中(也称为“云中”)的服务器。

将认识到，装置8的实际实施方式可以包括图1中所示的那些的附加部件。例如，装置8还可以包括电源，例如电池，或者用于使装置8能够连接到主电源的部件。

一个或多个传感器4可以包括用于采集用户、用户的对象和/或环境的一个或多个方面的测量结果的任何类型的传感器。一个或多个传感器4可包括用于测量用户的任何方面的一个或多个传感器，包括但不限于用户的运动、用户的移动、用户的取向(例如相对于重力)、用户在特定房间或区域中的存在、用户的心律、用户的呼吸率、用户的皮肤温度、用户的皮肤电导率、用户的任何其他生理特征。

一个或多个传感器4可以包括用于测量任何(类型的)对象的任何方面的一个或多个传感器。该对象可以是家用对象，例如，牙刷、剃须刀、水壶、电灯开关、电视、计算机、智能手机、门、自行车、健身器材、浴室水龙头等。一个或多个传感器4可以测量对象的任何方面，包括但不限于对象的运动、对象的移动、对象的取向(例如相对于重力)、对象的温度、对象是打开还是关闭、用户是否正在使用对象、等等。

一个或多个传感器4可以包括用于测量用户的环境的任何方面的一个或多个传感器，所述用户的环境的任何方面包括但不限于该环境或该环境的一部分中的运动、该环境或该环境的一部分中的移动、用户或其他人(或动物)在该环境或环境的一部分中的存在、环境的温度、环境的湿度等。

为了监测上述用户、对象和/或环境的任何方面，一个或多个传感器4可以包括从以下项中选择的一个或多个传感器：运动传感器、移动传感器、旋转传感器、温度传感器、气压传感器、湿度传感器、声音传感器、距离传感器、接近传感器、光传感器、磁场传感器、开关、按钮、旋钮以及滑块。

在图1所示的实施例中，一个或多个传感器4是一个或多个感测模块18的部分，每个感测模块18包括传感器4中的一个或多个，以及接口电路20，该接口电路用于将由(一个或多个)传感器4输出的测量结果传送到装置8和/或用户设备6。接口电路20可以是任何类型的接口电路，例如，接口电路20可以根据以上针对装置8中的接口电路16的选项来实施。

一个或多个感测模块18可以包括附接机构，该附接机构使得感测模块18能够被附接到用户、另一人、或用户的环境中的对象。附接机构可以是条带、皮带、松紧带、粘合剂、吸盘、夹子等中的任何。

例如，对于将用于监测用户的活动的感测模块18，感测模块18可以包括加速度计和陀螺仪，并且包括带形式的附接机构，使得感测模块18可以戴在用户的手臂上。

将认识到，感测模块18可以包括图1中所示的那些的附加部件。例如，感测模块18还可以包括诸如电池的电源，或者用于使得感测模块18能够连接到主电源的部件。感测模块18还可以包括用于存储传感器测量结果直到传感器测量结果被发送到装置8和/或用户设备6的存储器单元。

用于使得用户能够输入针对传感器测量结果的用户定义的标签的用户设备6包括处理单元22、用于使得能够与装置8以及可选地与一个或多个传感器4(或一个或多个感测模块18)进行通信的接口电路24、用户接口输入部件26和显示器28。

处理单元22控制用户设备6的操作，并且可以被配置为运行或执行本文描述的方法或方法的部分。例如，处理单元22可以(直接从(一个或多个)传感器4或从装置8)接收传感器测量结果，使传感器测量结果或与传感器测量结果有关的信息在显示器28上显示，并经由用户接口输入部件26(例如键盘或触摸屏)接收针对传感器测量结果的一个或多个用户定义的标签。处理单元22可以是任何类型的处理单元，例如，处理单元22可以根据以上针对装置8中的处理单元10的选项来实施。

接口电路24可以是任何类型的接口电路，并且例如，接口电路24可以根据以上针对装置8中的接口电路16的选项来实施。

显示器28可以是可以用于向用户显示数据或信息的任何类型的屏幕。将认识到，除了显示器28之外，用户设备6还可以包括一种或多种其他类型的用户接口输出部件，例如，一种或多种灯或发光元件、一个或多个扬声器、振动元件等。

用户接口输入部件26可以是使得用户(或另一人)能够输入一个或多个用户定义的标签以及该标签所应用于的一个或多个传感器测量结果的指示的任何类型的部件。用户接口输入部件26可以是但不限于键盘、小键盘、一个或多个按钮、开关或转盘、鼠标、触控板、触摸屏、触控笔、照相机、麦克风等。用户接口输入部件26还可以用于使得用户能够将其他信息、数据和/或命令输入到用户设备6中。

用户设备6可以是任何类型的电子设备或计算设备。在一些实施方式中，用户设备6可以是膝上型计算机、平板电脑、智能电话、智能手表等或作为其一部分。在其他实施方式中，用户设备6是在受试者/用户的家庭或护理环境中存在或使用的设备。例如，用户设备6可以是膝上型计算机、平板电脑、智能手机、智能手表或计算机或作为其一部分。

将认识到，用户设备6的实际实施方式可以包括图1所示的那些的附加部件。例如，用户设备6还可以包括诸如电池的电源，或者用于使得用户设备6能够连接到主电源的部件。

图2中的流程图示出了根据本文描述的技术的示例性方法。该方法的一个或多个步骤可以由装置8中的处理单元10适当地结合存储器单元14和接口电路16中的任何一个一起执行。处理单元10可以响应于运行计算机程序代码来执行一个或多个步骤，该计算机程序代码可以被存储在诸如例如存储器单元14的计算机可读介质上。

在步骤101中，装置8从一个或多个传感器4接收测量结果，所述一个或多个传感器监测用户、用户的对象和/或环境的一个或多个方面。步骤101可以包括装置8实时地或接近实时地接收测量结果(例如，当由(一个或多个)传感器4做出测量结果时)。或者，步骤101可以包括从(一个或多个)传感器4或(一个或多个)感测模块18接收传感器测量结果的周期性或间歇性传输。或者，步骤101可以包括从存储器单元14取回传感器测量结果(例如，在传感器测量结果先前被接收并存储以供后续分析的情况下)。

在步骤103中，装置8接收针对所接收的测量结果的一个或多个部分的一个或多个用户定义的标签。用户定义的标签由用户使用用户接口输入部件输入。在图1所示的实施例中，用户定义的标签由用户使用用户设备6中的用户接口输入部件26(例如，键盘或触摸屏)输入，并且用户定义的标签(或表示用户定义的标签的信息/数据)被传送到装置8。在备选实施例中，用于输入用户定义的标签的用户接口输入部件可以是装置8的部分。

在步骤103中接收到的每个用户定义的标签都指示该标签所应用于的传感器测量结果的部分。该指示可以例如是标签所应用的时间或时间段的形式。如果在步骤101中从多个传感器4接收到测量结果，则在步骤103中接收的信息可以包括该标签应用于哪一组(或哪些组)测量结果的指示。例如，多个传感器4可以分别监测多个对象的移动，并且用户可以在特定时间段内仅使用一个对象(例如剃须刀)，并且因此该标签可以指示该标签应用于该对象(剃须刀)的测量结果。

标签是用户定义的，这意味着用户可以自由定义标签是什么以及标签应用于什么测量结果。在一些实施例中，用户将作为自由文本或作为自由形式数据(具有包括文本、数字、图像或图画、声音等中的任何的自由形式数据)的标签输入到用户接口输入部件中。即，可以将标签输入为非结构化数据。由于用户可以自由定义针对传感器测量结果的任何部分的标签，因此用户能够控制传感器测量结果中标记的活动、事件或经历的类型。

在步骤105中，装置8/处理单元10根据已经被标记的传感器测量结果的一个或多个部分以及针对那些部分的一个或多个用户定义的标签来形成训练测量结果集。

一旦训练测量结果集足够大，就使用该训练测量结果集来训练机器学习模型(mlm)，以生成经训练的mlm(步骤107)。训练测量结果集中的数据元素(元组)的数量(即传感器测量结果的标记部分的数量以及针对那些部分中的每个部分的相关联的用户定义的标签的数量)取决于许多因素而被认为是“足够大”。例如，它可以取决于标记的传感器测量结果/传感器数据的类型是非常简单(例如，仅用于二进制开/关模式，例如，用于灯的开关)还是非常复杂(例如，针对一个或多个参数的传感器测量结果，其中，每个参数可以具有例如0到255之间的值)。它也可以或备选地取决于用户定义的标签，并且在标签与之前的标签相关的情况下，可能需要的数据元素更少。它也可以或备选地取决于训练过程是否可以使用来自其他用户的传感器测量结果和用户定义的标签，或者是否将训练测量结果集扩展为包括来自其他用户的传感器测量结果和用户定义的标签。例如，如果若干用户向其淋浴门添加了运动传感器，并且全部将运动传感器测量结果标记为“淋浴门”，那么训练过程也可以使用早前用户的运动传感器数据。它也可以或备选地取决于标记的动作或经历发生的频率。例如，标记为“刷牙”的活动可能比事件“刷牙后的敏感牙齿”发生的频率更频繁，因此训练mlm以识别处后一种标签所应用于的传感器测量结果可能在找到模式之前(或者在mlm更准确地识别模式之前)需要更大的训练测量结果集。

实际上，如果训练测量结果集中的数据元素的数量大于阈值数量，则可以将该训练测量结果集确定为足够大。备选地，如果训练测量结果集中用特定的用户定义的标签标记的数据元素的数量大于阈值数量，则可以将该训练测量结果集确定为足够大。将认识到，没有必要(或不一定可能)得到100％准确的经训练的mlm，并且将认识到，经训练的mlm的准确性通常会随着训练测量结果集的大小的增大而增加。

mlm被训练，使得当被提供有另外的(未标记的)传感器测量结果时，经训练的mlm能够确定是否有任何用户定义的标签应用于这些另外的测量结果。通过使用用户定义的标签，可以基于用户的个人信息/要求/偏好来训练mlm，因此可以向用户提供有关其行为和经历的有用见解。

机器学习模型可以是任何类型的机器学习模型，例如，mlm可以是基于随机森林的、支持向量机(svm)或递归神经网络(rnn)。

可以使用任何适当的mlm训练技术来训练mlm，例如，可以通过识别出标记有相同的用户定义的标签的传感器测量结果的各个部分的属性(例如，该属性可以是平均幅度、峰值幅度、信号频率等中的任何)来训练mlm，并且针对这些部分的属性可以相互比较，以确定是否有任何(或所有)属性指示用户定义的标签或与该用户定义的标签相关联。可以针对这些属性搜索传感器测量结果的其他部分，以确定该部分是否具有该用户定义的标签，或者应当具有该用户定义的标签。

一旦mlm被训练，其就可以用于评估另外的传感器测量结果，以确定任何(先前使用的)用户定义的标签是否应用。因此，在一些实施例中，该方法还可以包括从一个或多个传感器4接收另外的测量结果(该步骤可以以与步骤101类似的方式执行)，并且经训练的mlm可以用于评估另外的测量结果以确定针对所接收的另外的测量结果的一个或多个用户定义的标签。使用上面的示例，经训练的mlm将具有针对特定的用户定义的标签的一个或多个属性，并且mlm将在另外的测量结果中搜索那些属性。如果找到了那些属性，则mlm可以使用用户定义的标签来标记另外的测量结果的该部分。

装置8/处理单元10可以将使用经训练的mlm确定的任何可能的标签输出给用户，以供用户评估/批准。这些针对另外的测量结果的建议的用户定义的标签可以使用用户设备6中的显示器28(或在用户设备6和装置8是单个设备/装置的实施例中，经由装置8中的显示器)输出给用户，并且用户可以例如使用用户接口输入部件26指示任何建议的用户定义的标签是否正确或适当。在一些实施例中，用户可以针对每个建议的标签提供确认标签或拒绝标签的输入。在一些实施例中，当下一次训练或重新训练mlm以改进经训练的mlm的准确性时，可以使用来自用户的(正面的和负面的)反馈。

作为装置8/处理单元10输出(一个或多个)所确定的标签作为建议的备选方案，装置8/处理单元10可以备选地将针对所接收的另外的测量结果的所确定的标签(例如，经由显示器28)输出给用户，和/或将(一个或多个)所确定的标签与传感器测量结果一起存储。

在一些实施例中，如果特定标签由经训练的mlm确定，则装置8可以用于提供通知(诸如警报、警告或消息)。因此，用户(或另一人)可以(例如，经由用户接口输入部件26)输入在由经训练的mlm根据另外的测量结果确定用户定义的标签中的特定一个或多个的情况下要提供通知的规则或指示。如果针对任何另外的传感器测量结果确定了特定标签，则可以将通知提供给用户(或其他人)。

图3示出了从附接到牙刷的加速度计获得的一组示例性传感器测量结果。这些传感器测量结果可以被呈现为用户的用户接口的一部分。

图3中的每个图都显示了来自加速度计的一组测量结果，其中具有针对加速度计的x、y和z测量结果轴中的每一个的单独的信号迹线。测量结果的某些部分已用用户定义的标签标记。例如，部分50被标记为“什么都没做”，用户用其来指示牙刷没有被移动或使用。部分52被标记为“左上”，用户用其来指示嘴的左上部分正在由牙刷进行刷洗。部分54是经训练的mlm提供的建议的标签，并且特别地，建议的标签是“结束过程”，其是指用户进行的刷牙过程的结束。这个建议的标签包括“接受”和“拒绝”按钮，用户可以使用它们来指示经训练的mlm是否已正确识别出应标记有“结束过程”的测量结果的一部分。

在一些实施例中，用户接口可以使得用户能够选择传感器测量结果(的任何所需大小)的部分并输入用户定义的标签(或选择也适用于所选部分的先前输入的用户定义的标签)。

在一些实施例中，用户接口可以使得传感器测量结果的多个部分能够用用户定义的标签的单个实例进行标记(即，用户定义的标签可以对应于传感器测量结果的多个单独的部分)。

在一些实施例中，用户可以使用用户接口在相关事件开始时或相关事件开始之前输入用户定义的标签，其中将该用户定义的标签应用于随后获得的传感器测量结果。

在一些实施例中，用户接口可以允许用户审查他们已经输入的标签和由经训练的mlm建议的标签。在一些实施例中，经训练的mlm可以突出显示或指示传感器测量结果中与所选的用户定义的标签有关的其他部分。用户可以指示标签是否应用于这些部分。

在一些实施例中，用户接口可以使得用户能够对建议的标签“评分”，而不是指示建议的标签是对还是错。例如，用户可以使用比例来指示标签的适当程度，例如，建议的标签是80％准确的。

在一些实施例中，关于传感器测量结果的每个标签可以具有准确性分数。由用户输入的标签可以具有100％的“预期准确性分数”。对于由经训练的mlm建议的标签，mlm可以指示建议的标签的准确性。例如，mlm可以指示针对mlm建议的标签的准确性得分仅为50％。

将指出，在图3中，传感器测量结果的部分具有多于一个的标签，因此有可能将多于一个的用户定义的标签应用于相同的传感器测量结果。例如，一个标签可能是“刷牙”事件，其中刷牙事件的不同部分被标记为“刷前牙”、“刷后牙”等。

因此，以上概述的装置8和方法使得用户能够收集关于其活动和行为的信息，并训练mlm以在未来的传感器测量结果中识别那些活动和行为。

在特定实施例中，用户可以获得(例如购买)套件，该套件包括用户设备6(或用于将用户设备6功能实施在用户的现有电子设备(例如智能电话、平板电脑、膝上型计算机、计算机，等等)上的软件)以及用户可以根据期望在他们的环境、对象或他们的人身上放置的(一种或多种类型)的多个传感器4，并且测量结果可以由用户使用用户设备6随时间收集并标记。测量结果可以上传到远程装置8，以进行分析和在训练mlm中使用。备选地，装置8的功能可以在用户设备6或用于实现用户设备6的软件中实现。

作为使用本文描述的技术的示例，父母可以接收一组感测模块18，他们可以使用该感测模块来监测他们的婴儿及其对婴儿的行为/活动。一旦已经接收到传感器测量结果，父母可以通过将适当的用户定义的标签应用于测量结果来定义他们想要收集(并与他们的医疗保健提供者共享)的数据。例如，父母可能希望找出有关他们如何照料婴儿的信息，更具体地说是查找婴儿是否难以入睡的信息。感测模块18可以用于收集与婴儿是否在床上、父母和婴儿在就寝时间之前和就寝时的例程有关的测量结果。父母可以在几天的过程中使用主观信息(例如“轻松的夜晚”、“良好的睡眠”、“哭泣很多”等)来对传感器测量结果进行标记或加标签。一旦对mlm进行了关于这些测量结果和标签(其表示父母的经历以及可测量的行为)的训练，则可以向父母提供反馈，该反馈可以由医疗保健提供者或系统2提供。例如，mlm可以指示什么参数/属性是“良好的睡眠”。例如，它可以向父母指示他们标记为“良好睡眠”的是：“入睡时间”＝低、“睡眠持续时间”＝5小时以上、晚上8点至晚上10点之间“开始睡眠”。这可以帮助父母了解哪些属性导致了良好的睡眠的感觉。mlm还可以审查可能作为影响的用户定义的标签之前发生的事件。例如，mlm可能指示“良好的睡眠”通常或始终跟着“睡前故事”。备选地，mlm可以简单地输出已经针对特定标签找到的参数/属性，其使得用户或另一人能够自身识别反馈。

在另一示例中，家庭可以被提供有传感器4，该传感器可以被附接到诸如牙刷、剃须刀和真空吸尘器的家用设备。家庭成员可以通过将他们自己的标签应用于传感器测量结果来定义要收集的信息类型。例如，可以将传感器4放置在浴室中以确定湿润的皮肤对剃刮的影响，或者可以将传感器4放置在厨房橱柜中确定吃糖果和刷牙的影响。

本文描述的技术的其他应用包括：

在询问医疗保健专业人员有关其护理问题之后，可能会要求一个人在家中跟踪某些信息。例如，可能会要求父母跟踪他们的婴儿喝奶瓶、呕吐和哭泣的频率，以便医疗保健专业人员识别婴儿是否患有反流。

如果一个人睡眠困难，则可能会要求该人跟踪其晚上进行的活动。此类信息通常以笔和纸记录在日记中。本文描述的技术可以简化跟踪信息的过程，并使结果更加个性化和可靠。

目前，有关家庭中多个连接的设备如何为终端用户带来大于其各个部分总和的价值的研究正在进行中(这对于终端用户以及制造商而言确实是一个问题)。包括多个传感器4的套件可用于“创建”连接的设备。例如，在询问牙医之后，一个人可能会更热衷于保持牙齿的良好护理。代替立即购买连接的牙刷，该人可以将感测模块18应用于他们的牙刷，以查看他们可以了解有关其刷牙行为的什么信息。例如，对他们的一周的刷牙过程进行标记可以指示晨起刷牙对刷牙的质量有很大的影响。这可以使得人们看到刷牙数据的价值(例如，可能由“恰当”连接的牙刷提供的数据)，以便更好地护理他们的牙齿。

因此，提供了一种装置、系统和方法，其使得用户能够根据他们的特定要求或情况来定制对机器学习模型的训练。

通过研究附图、说明书和所附权利要求，本领域技术人员在实践本文描述的原理和技术时可以理解和实现所公开的实施例的变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。在互不相同的从属权利要求中记载某些措施的事实并不意味着不能有利地使用这些措施的组合。计算机程序可以存储在或分布在合适的介质上，所述合适的介质例如与其他硬件一起提供或作为其一部分提供的光学存储介质或固态介质，但也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统。权利要求中的任何附图标记都不应被解释为限制范围。