随着科学技术的不断发展,计算机的硬件性能有了飞跃性的提升,随之而来的就是人工智能热潮。机器学习是人工智能的重要分支,它被广泛运用于各种领域,并取得了极佳的效果。各种基于文本编程的开发框架,有效地降低了专业人员进行机器学习建模的难度,但对于非专业编程人员而言,他们依然面临着搭建、优化模型需要复杂的背景知识,以及数据预处理、模型训练等关键步骤中繁琐的编程实现问题。因此研究一种能够降低机器学习建模门槛的工具具有十分重要的价值和意义。本文在对可视化编程技术和机器学习建模特点进行研究的基础上,设计并实现了一套基于数据流范式的机器学习可视化建模与编程工具。本文主要贡献如下:1)对编程过程进行抽象,并基于数据流范式,生成用于描述编程过程的数据流计算图。2)对数据流计算图进行形式化描述,通过分析机器学习建模基本步骤特点,对图中节点进行分类、定义其图元形式,并分析节点之间数据流动的特点,提出节点关系模型。3)设计适用于基于数据流范式的机器学习可视化编程的图文法MLG,并对其产生式进行描述,提出了MLSDA算法用于检测系统中程序语义正确性。4)设计代码生成算法,提出基于计算图增量的节点排序算法,降低排序的时间消耗,并配合定义的节点属性图重写规则,生成可执行代码。本文通过对机器学习建模过程中常见的问题进行分析,设计并实现了一个可随时随地在线访问的可视化编程系统。系统将建模过程中高度调优的计算模块或算法封装为可交互组件,通过组件交互完成编程,屏蔽了程序实现细节,支持自定义数据集、自定义交互组件、导出代码与应用,并可在线完成建模流程,与表示建模步骤的节点运行结果进行交互,从而使非专业人员可以高效地进行机器学习应用开发。