[發明專利]一種基于數據挖掘的自動化特征選取方法

在審

• 申請號: 202011385830.2
• 申請日: 2020-12-02
• 公開（公告）號: CN112488206A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 洪萬福;錢智毅;松福
• 申請（專利權）人: 廈門淵亭信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于數據挖掘的自動化特征選取方法，其特征在于，包括兩個部分：

（1）自動化特征提取：從數據集中自動創建候選特征；

（2）自動化特征選擇：從自動創建的候選特征中自動選擇最佳特征。

2.根據權利要求1所述的一種基于數據挖掘的自動化特征選取方法，其特征在于，所述（1）具體實現方式為：

（1.1）輸入數據集，并進行數據清洗；

（1.2）對數據集中的數據進行分析，根據數據集中數據包括結構、屬性的特征，創建實體和實體集，并創建各實體之間的關聯關系；所述實體即表，實體集即表的集合，各實體之間的關聯關系即表與表的關聯關系；

（1.3）根據表中父節點與對應表中子節點的對應關系，計算子節點的統計信息；

（1.4）針對（1.3）的統計信息，對表中一行/列或多行/列執行操作，形成基元，并基于基元構造新的特征。

3.根據權利要求2所述的一種基于數據挖掘的自動化特征選取方法，其特征在于，所述（2）具體實現方式為：

（2.1）基于構造的新的特征，通過隨機森林對數據集進行擴展，并設定一個特征重要性指標；

（2.2）對原數據集特征與特征重要性最大的新的特征進行特征重要性比較，不斷迭代比較，并刪除原數據集中比特征重要性最大的新的特征的特征重要性低的特征；

（2.3）達到迭代次數限制后，結束。

4.根據權利要求2所述的一種基于數據挖掘的自動化特征選取方法，其特征在于，所述（1.4）中，對表中一行/列或多行/列執行操作，包括對對表中一行/列或多行/列執行求差、求和、求積。