[發明專利]一種利用訓練數據訓練模型的方法和訓練系統

有效

• 申請號: 201610105840.3
• 申請日: 2016-02-25
• 公開（公告）號: CN107122327B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 代斌;李屾;姜曉燕;楊旭;漆遠;褚崴;王少萌;付子豪
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

1.一種利用訓練數據訓練模型的方法，所述訓練數據包括多個樣本，每一個樣本包括N個特征，所述多個樣本中對應的特征構成N個特征列，其特征在于，所述利用訓練數據訓練模型的方法包括：

計算每一個特征列的重要程度值，所述重要程度值包括所述特征列的信息值和/或信息增益；

判斷每一個特征列的重要程度值是否小于對應的閾值；

當判斷出所述N個特征列中的M個特征列的重要程度值小于對應的閾值時，將所述M個特征列進行降維處理，生成P個特征列，其中M＜N，且P＜M；

將重要程度值大于或等于對應的閾值的（N-M）個特征列和降維處理后生成的P個特征列合并，得到（N-M+P）個特征列；以及

將包括所述（N-M+P）個特征列的訓練數據輸入機器學習算法模型，訓練所述機器學習算法模型；

其中所述訓練數據包括廣告CTR數據。

2.如權利要求1所述的訓練模型的方法，其特征在于，當判斷出所述N個特征列中的M個特征列的重要程度值小于對應的閾值時，將所述M個特征列進行降維處理，生成P個特征列的步驟包括：

當判斷出所述N個特征列中的M個特征列的重要程度值小于對應的閾值時，利用minwise Hashing算法對所述M個特征列進行降維處理，生成P個特征列，其中P=k*2^b，k和b為算法指定參數。

3.如權利要求1所述的訓練模型的方法，其特征在于，所述訓練數據還包括對應于每一個樣本的標簽值，所述計算每一個特征列的重要程度值的步驟包括：

利用每一個樣本對應的標簽值和所述特征列中的多個特征，計算出所述特征列的信息值和/或信息增益，以所述信息值和/或信息增益作為重要程度值。

4.如權利要求3所述的訓練模型的方法，其特征在于，所述信息值對應的閾值為第一閾值，所述信息增益對應的閾值為第二閾值。

5.如權利要求1所述的訓練模型的方法，其特征在于，所述機器學習算法模型為分類算法模型或回歸算法模型。

6.一種利用訓練數據訓練模型的方法，所述訓練數據包括多個樣本，每一個樣本包括N個特征，所述多個樣本中對應的特征構成N個特征列，其特征在于，所述利用訓練數據訓練模型的方法包括：

計算每一個特征列的重要程度值，所述重要程度值包括所述特征列的信息值和/或信息增益；

判斷每一個特征列的重要程度值是否大于對應的閾值；

當判斷出所述N個特征列中的Q個特征列的重要程度值大于對應的閾值時，將所述Q個特征列進行升維處理，生成R個特征列，其中R＞Q，且Q＜N；

將升維處理后生成的R個特征列和重要程度值小于或等于對應的閾值的特征列合并；以及

將合并的訓練數據輸入機器學習算法模型，訓練所述機器學習算法模型；

其中所述訓練數據包括廣告CTR數據。

7.如權利要求6所述的訓練模型的方法，其特征在于，當判斷出所述N個特征列中的Q個特征列的重要程度值大于對應的閾值時，將所述Q個特征列進行升維處理，生成R個特征列的步驟包括：

當判斷出所述N個特征列中的Q個特征列的重要程度值大于對應的閾值時，利用minwise Hashing算法對所述Q個特征列進行升維處理，生成R個特征列，其中P=k*2^b，k和b為算法指定參數。

8.如權利要求6所述的訓練模型的方法，其特征在于，所述訓練數據還包括對應于每一個樣本的標簽值，所述計算每一個特征列的重要程度值的步驟包括：

利用每一個樣本對應的標簽值和所述特征列中的多個特征，計算出所述特征列的信息值和/或信息增益，以所述信息值和/或信息增益作為重要程度值。