[發明專利]交互式特征選擇方法、設備及可讀存儲介質

有效

• 申請號: 201911041217.6
• 申請日: 2019-10-29
• 公開（公告）號: CN110766167B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 林冰垠;唐興興;黃啟軍;王躍;范濤;陳天健
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王韜

本發明公開了一種交互式特征選擇方法、設備及可讀存儲介質，所述交互式特征選擇方法包括：接收組件輸入信息，并將所述組件輸入信息接入第一特征選擇組件，以對所述組件輸入信息中的待選擇特征進行特征選擇分箱，獲得初始特征選擇結果，接收特征篩選條件，并基于所述特征篩選條件對所述初始特征選擇結果進行特征篩選，獲得目標輸出結果。本發明解決了在機器學習建模時，特征選擇方式局限性強的技術問題。

技術領域

本發明涉及金融科技(Fintech)的機器學習技術領域，尤其涉及一種交互式特征選擇方法、設備及可讀存儲介質。

背景技術

隨著金融科技，尤其是互聯網科技金融的不斷發展，越來越多的技術(如分布式、區塊鏈Blockchain、人工智能等)應用在金融領域，但金融業也對技術提出了更高的要求，如對金融業對應待辦事項的分發也有更高的要求。

隨著計算機軟件和人工智能的不斷發展，機器學習建模的應用也越來越廣泛，在進行機器學習建模過程中，通常需要對輸入機器學習模型的特征進行篩選，以提高機器學習模型的訓練效果，目前，對于具有一定特征選擇專家經驗的業務建模人員，通常是通過代碼開發或者Excel過濾進行特征選擇，但是對于通過代碼開發進行特征選擇，通常需要業務建模人員具有較高的代碼開發能力和調試能力，對于業務建模人員來說門檻較高，而對于通過Excel過濾進行特征選擇，只能對單個特征進行篩選，無法對特征進行整體篩選和過濾，進而導致業務建模人員的工作效率極低，用戶體驗極差，所以，現有技術中存在在機器學習建模時，特征選擇方式局限性強的技術問題。

發明內容

本發明的主要目的在于提供一種交互式特征選擇方法、設備及可讀存儲介質，旨在解決現有技術中在機器學習建模時，特征選擇方式局限性強的技術問題。

為實現上述目的，本發明實施例提供一種交互式特征選擇方法，所述交互式特征選擇方法應用于交互式特征選擇設備，所述交互式特征選擇方法包括：

接收組件輸入信息，并將所述組件輸入信息接入第一特征選擇組件，以對所述組件輸入信息中的待選擇特征進行特征選擇分箱，獲得初始特征選擇結果；

接收特征篩選條件，并基于所述特征篩選條件對所述初始特征選擇結果進行特征篩選，獲得目標輸出結果。

可選地，所述組件輸入信息包括第一輸入數據表，

所述將所述組件輸入信息接入所述第一特征選擇組件，以對所述組件輸入信息中的待選擇特征進行特征選擇分箱，獲得初始特征選擇結果的步驟包括：

將所述第一輸入數據表接入第一特征選擇組件，以基于用戶輸入的選擇信息獲取所述第一輸入數據表中的待選擇特征；

接收特征選擇參數，并基于所述特征選擇參數對所述第一特征選擇組件進行參數配置，獲得第一待運行特征選擇組件；

運行所述第一待運行特征選擇組件，以對所述待選擇特征進行特征選擇分箱，獲得所述初始特征選擇結果。

可選地，所述組件輸入信息包括第一輸入數據表，所述第一輸入數據表包括輸入訓練數據表和輸入驗證數據表，其中，所述待選擇特征包括第一待選擇特征和第二待選擇特征，

所述對所述待選擇特征進行特征選擇分箱，獲得所述初始特征選擇結果的步驟包括：

判斷特征選擇參數中的特征選擇方法是否包括特殊類別特征選擇方法，若所述特征選擇方法未包括所述特殊類別特征選擇方法，則對所述輸入訓練數據表中的所述第一待選擇特征進行特征選擇分箱，獲得所述初始特征選擇結果；

若所述特征選擇方法包括所述特殊類別特征選擇方法，則對所述輸入訓練數據表中的所述第一待選擇特征和所述輸入驗證數據表中的所述第二待選擇特征同時進行特征選擇分箱，獲得所述初始特征選擇結果。

可選地，所述組件輸入信息包括第一輸入數據表和輸入特征選擇模型，