[發(fā)明專利]特征選擇方法和特征選擇服務(wù)系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010551883.0
• 申請日: 2020-06-17
• 公開（公告）號: CN113298104A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計）人: 馬馳;王沖;杜聰
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京清源匯知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11644
• 代理人: 張艷梅;馮德魁

1.一種特征選擇方法，其中，包括：

獲得原始樣本；

對所述原始樣本進行復(fù)制，得到所述原始樣本的復(fù)制樣本，所述復(fù)制樣本中的特征少于其對應(yīng)的原始樣本中的特征；

將不同原始樣本對應(yīng)的復(fù)制樣本中包含相同特征的復(fù)制樣本分入同一個復(fù)制樣本組；

獲得復(fù)制樣本組的模型評估指標(biāo)；

根據(jù)所述復(fù)制樣本組的模型評估指標(biāo)，從所述原始樣本中的特征中篩選出用于訓(xùn)練機器學(xué)習(xí)模型的目標(biāo)特征。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述對所述原始樣本進行復(fù)制，得到所述原始樣本的復(fù)制樣本，所述復(fù)制樣本中的特征少于其對應(yīng)的原始樣本中的特征，包括：

針對同一個原始樣本，對所述原始樣本的特征進行統(tǒng)計，獲得所述原始樣本的特征的第一數(shù)量；

對所述原始樣本中指定的特征進行復(fù)制，獲得所述第一數(shù)量的復(fù)制樣本，其中，所述指定的特征比原始樣本的特征少一個，同一個原始樣本對應(yīng)的復(fù)制樣本去除的特征互不相同。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述將不同原始樣本對應(yīng)的復(fù)制樣本中包含相同特征的復(fù)制樣本分入同一個復(fù)制樣本組，包括：

將不同原始樣本對應(yīng)的復(fù)制樣本中，去除相同特征的復(fù)制樣本劃分為一組，得到復(fù)制樣本組。

4.根據(jù)權(quán)利要求2所述的方法，其中，所述獲得復(fù)制樣本組的模型評估指標(biāo)，包括：

將復(fù)制樣本組分成子復(fù)制樣本組；

基于第二數(shù)量的子復(fù)制樣本組分別進行機器學(xué)習(xí)，得到第二數(shù)量的第一混淆矩陣數(shù)據(jù)；

根據(jù)第一混淆矩陣數(shù)據(jù)，更新參數(shù)服務(wù)器維護的第一混淆矩陣數(shù)據(jù)，并計算復(fù)制樣本組的模型評估指標(biāo)，其中，參數(shù)服務(wù)器節(jié)點維護的第一混淆矩陣的組數(shù)為第一數(shù)量。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述第一混淆矩陣中包括兩個參數(shù)，分別為真陽性和假陽性，其中，真陽性為表征實際的正樣本預(yù)測為正樣本的數(shù)量的參數(shù)，假陽性為表征實際的負(fù)樣本預(yù)測為正樣本的數(shù)量的參數(shù)。

6.根據(jù)權(quán)利要求5所述的方法，其中，所述根據(jù)第一混淆矩陣數(shù)據(jù)，更新參數(shù)服務(wù)器維護的第一混淆矩陣數(shù)據(jù)，并計算復(fù)制樣本組的模型評估指標(biāo)，包括：

根據(jù)第一混淆矩陣數(shù)據(jù)，更新所述參數(shù)服務(wù)器維護的第一混淆矩陣數(shù)據(jù)；

根據(jù)所述參數(shù)服務(wù)器維護的第一混淆矩陣數(shù)據(jù)，以及實際的正樣本和實際的負(fù)樣本的數(shù)量，計算假陰性的參數(shù)值和真陰性的參數(shù)值；

將所述假陰性的參數(shù)值和真陰性的參數(shù)值與第一混淆矩陣數(shù)據(jù)進行合并，生成第二混淆矩陣數(shù)據(jù)；

根據(jù)所述第二混淆矩陣數(shù)據(jù)，計算復(fù)制樣本組的模型評估指標(biāo)。

7.根據(jù)權(quán)利要求4所述的方法，其中，所述基于第二數(shù)量的子復(fù)制樣本組分別進行機器學(xué)習(xí)，得到第二數(shù)量的第一混淆矩陣數(shù)據(jù)，包括：

獲得針對基于第二數(shù)量的子復(fù)制樣本組進行機器學(xué)習(xí)的中間計算結(jié)果；

對所述中間計算結(jié)果進行緩存處理；

從緩存處理的中間計算結(jié)果中獲得當(dāng)前機器學(xué)習(xí)所需要的中間計算結(jié)果；

根據(jù)獲得的當(dāng)前機器學(xué)習(xí)所需要的中間計算結(jié)果，得到第二數(shù)量的第一混淆矩陣數(shù)據(jù)。

8.根據(jù)權(quán)利要求1-7所述的方法，其中，所述模型評估指標(biāo)為曲線下面積；所述根據(jù)所述復(fù)制樣本組的模型評估指標(biāo)，從所述原始樣本中的特征中篩選出用于訓(xùn)練機器學(xué)習(xí)模型的目標(biāo)特征，包括：

對所述第一數(shù)量的復(fù)制樣本組對應(yīng)的曲線下面積進行排序，獲得排序結(jié)果；

根據(jù)目標(biāo)特征的第三數(shù)量和排序結(jié)果，得到第三數(shù)量的復(fù)制樣本組；

將所述第三數(shù)量的復(fù)制樣本組中去除的特征確定為用于訓(xùn)練機器學(xué)習(xí)模型的目標(biāo)特征。

9.一種特征選擇服務(wù)系統(tǒng)，其中，包括：

特征提取子服務(wù)，用于獲得原始樣本，對所述原始樣本進行復(fù)制，得到所述原始樣本的復(fù)制樣本，所述復(fù)制樣本中的特征少于其對應(yīng)的原始樣本中的特征，將不同原始樣本對應(yīng)的復(fù)制樣本中包含相同特征的復(fù)制樣本分入同一個復(fù)制樣本組；

評估指標(biāo)確定子服務(wù)，用于獲得復(fù)制樣本組的模型評估指標(biāo)；

特征選擇子服務(wù)，用于根據(jù)所述復(fù)制樣本組的模型評估指標(biāo)，從所述原始樣本中的特征中篩選出用于訓(xùn)練機器學(xué)習(xí)模型的目標(biāo)特征。