[發明專利]特征漂移幅度的識別方法、裝置、設備和存儲介質

在審

• 申請號: 201910575404.6
• 申請日: 2019-06-28
• 公開（公告）號: CN112149700A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 楊海華
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

本申請提供一種特征漂移幅度的識別方法、裝置、設備和存儲介質，該方法中，設備按照時間序列，將預先獲取到的數據樣本進行劃分，得到多個子數據樣本，根據極端梯度提升模型對每個子數據樣本進行訓練，得到每個特征在每個時間段中的重要性指標，根據每個特征在不同時間段中的重要性指標，獲取所述特征的漂移幅度，基于模型對特征漂移的幅度進行識別，簡單易用，且準確度較高。

技術領域

本申請實施例涉及大數據技術領域，尤其涉及一種特征漂移幅度的識別 方法、裝置、設備和存儲介質。

背景技術

機器學習可以用于多種場景，比如目前互聯網中的推薦系統，搜索系統 等。機器學習過程中需要使用到機器學習模型，而為了訓練到更準確地模型， 需要對采集得到的數據中的特征進行各種指標的識別。特征漂移是指特征隨 著時間而變化，目前常用的技術方案中，對特征漂移的識別方式主要是基于 分布的方式進行檢測，人工的對采集的各種類型的特征進行處理，根據經驗 獲得一些指標來實現漂移的檢測。

然而，由于數據的場景的復雜性，通過人工經驗對數據進行分析識別特 征漂移不僅耗時交大，而且準確度不高。

發明內容

本申請實施例提供一種特征漂移幅度的識別方法、裝置、設備和存儲 介質，以解決由于數據的場景的復雜性，通過人工經驗對數據進行分析識別 特征漂移不僅耗時交大，而且準確度不高的問題。

本申請第一方面提供一種特征漂移幅度的識別方法，包括：

按照時間序列，將預先獲取到的數據樣本進行劃分，得到多個子數據樣 本；

根據極端梯度提升(eXtreme Gradient Boosting，xgboost)模型對每個子 數據樣本進行訓練，得到每個特征在每個時間段中的重要性指標；

根據每個特征在不同時間段中的重要性指標，獲取所述特征的漂移幅度。

在一種具體實現方式中，所述根據每個特征在不同時間段中的重要性指 標，獲取所述特征的漂移幅度，包括：

根據每個特征在不同時間段中的重要性指標，獲取每個特征隨時間變化 的偏差；

對每個特征的偏差進行排序，得到每個特征的漂移幅度。

在一種具體實現方式中，所述按照時間序列，將預先獲取到的數據樣本 進行劃分，得到多個子數據樣本之前，所述方法還包括：

采集獲取所述數據樣本，所述數據樣本中包括至少一個特征，以及每個 特征的時間信息。

在一種具體實現方式中，所述按照時間序列，將預先獲取到的數據樣 本進行劃分，得到多個子數據樣本，包括：

根據每個特征的時間信息，按照預設時間間隔按照時間序列將所述數 據樣本進行劃分，得到所述多個子數據樣本。

本申請第二方面提供一種特征漂移幅度的識別裝置，包括：

劃分模塊，用于按照時間序列，將預先獲取到的數據樣本進行劃分，得 到多個子數據樣本；

處理模塊，用于根據極端梯度提升模型對每個子數據樣本進行訓練，得 到每個特征在每個時間段中的重要性指標；

獲取模塊，用于根據每個特征在不同時間段中的重要性指標，獲取所述 特征的漂移幅度。

可選的，所述獲取模塊具體用于：

根據每個特征在不同時間段中的重要性指標，獲取每個特征隨時間變化 的偏差；

對每個特征的偏差進行排序，得到每個特征的漂移幅度。

可選的，所述裝置還包括：