[發(fā)明專利]一種特征篩選方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201610127861.5
• 申請(qǐng)日: 2016-03-07
• 公開（公告）號(hào): CN107169571A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計(jì)）人: 席炎;張柯;謝樹坤;黃俊;付子豪;楊強(qiáng)鵬;李文鵬;王曉光;余舟華
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06N99/00
• 分類號(hào): G06N99/00
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司11315
• 代理人: 黃熊

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種特征篩選方法及裝置。

背景技術(shù)

目前，人們可以利用構(gòu)建的業(yè)務(wù)模型，實(shí)現(xiàn)業(yè)務(wù)功能。這里所說的業(yè)務(wù)功能，比如是輸出表示用戶信用等級(jí)或用戶消費(fèi)能力的數(shù)據(jù)，等等。在業(yè)務(wù)模型構(gòu)建完畢后，可以將數(shù)據(jù)賦值給業(yè)務(wù)模型包含的變量，以觸發(fā)業(yè)務(wù)模型輸出相應(yīng)的結(jié)果。

需要說明的是，業(yè)務(wù)模型，一般是指包含“與期望業(yè)務(wù)模型實(shí)現(xiàn)的業(yè)務(wù)功能相關(guān)的變量”的數(shù)學(xué)模型(比如計(jì)算公式)。其中，與期望業(yè)務(wù)模型實(shí)現(xiàn)的業(yè)務(wù)功能相關(guān)的變量，是根據(jù)與所述業(yè)務(wù)功能相關(guān)的特征確定的。具體而言，在現(xiàn)有技術(shù)中，技術(shù)人員可以依靠以往的業(yè)務(wù)經(jīng)驗(yàn)，采用人工一一分析特征并進(jìn)行選取的方式，選取出與所述業(yè)務(wù)功能比較相關(guān)的特征，進(jìn)而根據(jù)該些特征，確定與所述業(yè)務(wù)功能相關(guān)的變量。

例如，以所要構(gòu)建的業(yè)務(wù)模型為用戶信用評(píng)估模型為例，技術(shù)人員可以通過一一分析與用戶信用相關(guān)的特征，選取出與期望該用戶信用評(píng)價(jià)模型實(shí)現(xiàn)的業(yè)務(wù)功能相關(guān)的包括用戶的工作單位性質(zhì)、用戶的償還能力以及用戶的人脈關(guān)系在內(nèi)的特征，并根據(jù)該些特征，確定分別對(duì)應(yīng)于用戶的工作單位性質(zhì)、用戶的償還能力以及用戶的人脈關(guān)系的變量e、f、g，進(jìn)而實(shí)現(xiàn)業(yè)務(wù)模型的構(gòu)建。比如，構(gòu)建的業(yè)務(wù)模型可以為：用戶信用評(píng)價(jià)分?jǐn)?shù)A＝αe+βf+γg。其中，α、β、γ是分別為變量e、f、g設(shè)置的權(quán)重值。

采用上述人工選取特征的方式，效率較低。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供一種特征篩選方法，用以解決現(xiàn)有技術(shù)存在的特征篩選效率較低的問題。

本申請(qǐng)實(shí)施例還提供一種特征篩選裝置，用以解決現(xiàn)有技術(shù)存在的特征篩選效率較低的問題。

本申請(qǐng)實(shí)施例采用下述技術(shù)方案：

一種特征篩選方法，包括：

確定特征集合中特征的機(jī)器學(xué)習(xí)算法權(quán)值；其中，特征的機(jī)器學(xué)習(xí)算法權(quán)值為：以選取作為樣本的特征的值為輸入，以特征歷史上被選取作為確定業(yè)務(wù)模型包含的變量的特征的概率值為輸出訓(xùn)練指定機(jī)器學(xué)習(xí)算法后，得到的機(jī)器學(xué)習(xí)算法的權(quán)值；根據(jù)所述特征的機(jī)器學(xué)習(xí)算法權(quán)值，從所述特征集合中篩選用于確定業(yè)務(wù)模型包含的變量的特征；所述業(yè)務(wù)模型包含的變量用于實(shí)現(xiàn)業(yè)務(wù)模型的業(yè)務(wù)功能。

一種特征篩選裝置，包括：

機(jī)器學(xué)習(xí)算法權(quán)值確定單元，用于確定特征集合中特征的機(jī)器學(xué)習(xí)算法權(quán)值；其中，特征的機(jī)器學(xué)習(xí)算法權(quán)值為：以選取作為樣本的特征的值作為輸入，以特征歷史上被選取作為確定業(yè)務(wù)模型包含的變量的特征的概率值為輸出訓(xùn)練指定機(jī)器學(xué)習(xí)算法后，得到的機(jī)器學(xué)習(xí)算法的權(quán)值；特征篩選單元，用于根據(jù)所述部分或全部特征的機(jī)器學(xué)習(xí)算法權(quán)值，從所述特征集合中篩選用于確定業(yè)務(wù)模型包含的變量的特征；所述業(yè)務(wù)模型包含的變量用于實(shí)現(xiàn)業(yè)務(wù)模型的業(yè)務(wù)功能。

本申請(qǐng)實(shí)施例采用的上述至少一個(gè)技術(shù)方案能夠達(dá)到以下有益效果：

由于可以通過確定特征的機(jī)器學(xué)習(xí)算法權(quán)值，并根據(jù)機(jī)器學(xué)習(xí)算法權(quán)值，實(shí)現(xiàn)對(duì)用于確定業(yè)務(wù)模型包含的變量的特征的選取，無需技術(shù)人員采用人工篩選的方式選取特征，因此避免了現(xiàn)有技術(shù)中采用人工篩選特征的方式導(dǎo)致篩選效率較低的問題。

附圖說明

此處所說明的附圖用來提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申請(qǐng)的示意性實(shí)施例及其說明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中：

圖1為本申請(qǐng)實(shí)施例提供的一種特征篩選方法的具體流程示意圖；

圖2為本申請(qǐng)實(shí)施例提供的一種使用組合機(jī)器學(xué)習(xí)算法對(duì)特征進(jìn)行篩選的流程示意圖；

圖3為本申請(qǐng)實(shí)施例提供的一種篩選用于構(gòu)建信用評(píng)級(jí)模型特征的方法的具體流程示意圖；

圖4為本申請(qǐng)實(shí)施例提供的一種特征篩選裝置的具體結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本申請(qǐng)的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本申請(qǐng)具體實(shí)施例及相應(yīng)的附圖對(duì)本申請(qǐng)技術(shù)方案進(jìn)行清楚、完整地描述。顯然，所描述的實(shí)施例僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例。基于本申請(qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。

以下結(jié)合附圖，詳細(xì)說明本申請(qǐng)各實(shí)施例提供的技術(shù)方案。

實(shí)施例1

本申請(qǐng)實(shí)施例提供了一種特征篩選方法，用以解決現(xiàn)有技術(shù)存在的特征篩選效率較低的問題。