[發明專利]生成機器學習樣本的組合特征的方法及系統

在審

• 申請號: 201710595326.7
• 申請日: 2017-07-20
• 公開（公告）號: CN107392319A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 陳雨強;戴文淵;楊強;羅遠飛;涂威威
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06N99/00
• 分類號: G06N99/00;G06K9/62
• 代理公司: 北京銘碩知識產權代理有限公司11286
• 代理人: 曾世驍,張云珠

1.一種生成機器學習樣本的組合特征的方法，包括：

(A)獲取數據記錄，其中，所述數據記錄包括多個屬性信息；

(B)針對基于所述多個屬性信息產生的每一個連續特征，執行至少一種分箱運算，以得到由至少一個分箱特征組成的分箱組特征，其中，每種分箱運算對應一個分箱特征；以及

(C)通過在分箱組特征和/或基于所述多個屬性信息產生的其他離散特征之間進行特征組合來生成機器學習樣本的組合特征。

2.如權利要求1所述的方法，其中，在步驟(B)之前，還包括：(D)從預定數量的分箱運算中選擇所述至少一種分箱運算，使得與選擇的分箱運算對應的分箱特征的重要性不低于與未被選擇的分箱運算對應的分箱特征的重要性。

3.如權利要求2所述的方法，其中，在步驟(D)中，針對與所述預定數量的分箱運算對應的分箱特征之中的每一個分箱特征，構建單特征機器學習模型，基于各個單特征機器學習模型的效果來確定各個分箱特征的重要性，并基于各個分箱特征的重要性來選擇所述至少一種分箱運算，

其中，單特征機器學習模型對應所述每一個分箱特征。

4.如權利要求2所述的方法，其中，在步驟(D)中，針對與所述預定數量的分箱運算對應的分箱特征之中的每一個分箱特征，構建復合機器學習模型，基于各個復合機器學習模型的效果來確定各個分箱特征的重要性，并基于各個分箱特征的重要性來選擇所述至少一種分箱運算，

其中，復合機器學習模型包括基于提升框架的基本子模型和附加子模型，其中，基本子模型對應基本特征子集，附加子模型對應所述每一個分箱特征。

5.如權利要求4所述的方法，其中，根據關于組合特征的搜索策略，按照迭代的方式來生成機器學習樣本的組合特征。

6.如權利要求5所述的方法，其中，針對每一輪迭代來執行步驟(D)以更新所述至少一種分箱運算，并且，每一輪迭代中生成的組合特征作為新的離散特征被加入基本特征子集。

7.如權利要求1所述的方法，其中，所述每一個連續特征由所述多個屬性信息之中的連續值屬性信息自身形成，或者，所述每一個連續特征通過對所述多個屬性信息之中的離散值屬性信息進行連續變換而形成。

8.一種生成機器學習樣本的組合特征的系統，包括：

數據記錄獲取裝置，用于獲取數據記錄，其中，所述數據記錄包括多個屬性信息；

分箱組特征生成裝置，用于針對基于所述多個屬性信息產生的每一個連續特征，執行至少一種分箱運算，以得到由至少一個分箱特征組成的分箱組特征，其中，每種分箱運算對應一個分箱特征；以及

特征組合裝置，用于通過在分箱組特征和/或基于所述多個屬性信息產生的其他離散特征之間進行特征組合來生成機器學習樣本的組合特征。

9.一種生成機器學習樣本的組合特征的計算機可讀介質，其中，在所述計算機可讀介質上記錄有用于執行如權利要求1到7中的任一權利要求所述的方法的計算機程序。

10.一種生成機器學習樣本的組合特征的計算裝置，包括存儲部件和處理器，其中，存儲部件中存儲有計算機可執行指令集合，當所述計算機可執行指令集合被所述處理器執行時，執行如權利要求1到7中的任一權利要求所述的方法。