[發(fā)明專利]特征分析方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110394351.5
• 申請日: 2021-04-13
• 公開（公告）號: CN113139447A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 李賜興;朱曉龍;許壯;紀(jì)曉龍;季興;湯善敏;張正生;劉永升
• 申請（專利權(quán)）人: 超參數(shù)科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06N20/00;A63F13/53
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 唐彩琴

本申請涉及一種特征分析方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)。所述方法包括：獲取預(yù)設(shè)數(shù)據(jù)集；將所述預(yù)設(shè)數(shù)據(jù)集中各個(gè)預(yù)設(shè)數(shù)據(jù)的輸入特征輸入目標(biāo)機(jī)器學(xué)習(xí)模型中，得到各個(gè)所述預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出；基于各個(gè)所述預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出確定各個(gè)所述預(yù)設(shè)數(shù)據(jù)各自的輸入特征的特征敏感度；基于各個(gè)所述特征敏感度確定所述目標(biāo)機(jī)器學(xué)習(xí)模型對應(yīng)的待分析特征集合中各個(gè)待分析特征的平均敏感度，基于各個(gè)待分析特征的平均敏感度對各個(gè)待分析特征進(jìn)行排序，得到排序結(jié)果。采用本方法能夠提高特征排序準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及一種特征分析方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，基于深度學(xué)習(xí)的人工智能(AI)走進(jìn)了大眾的視野。作為機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)新的方向，深度學(xué)習(xí)在搜索技術(shù)、數(shù)據(jù)挖掘、圖像識別、自然語言處理等方面取得的效果，遠(yuǎn)遠(yuǎn)超過先前相關(guān)技術(shù)。機(jī)器學(xué)習(xí)用于現(xiàn)實(shí)任務(wù)時(shí)，描述樣本的特征通常需要由人類專家設(shè)計(jì)，這被稱為“特征工程”。特征工程在機(jī)器學(xué)習(xí)中占據(jù)相當(dāng)重要的地位。

相關(guān)技術(shù)中，通常將機(jī)器學(xué)習(xí)模型初始層的網(wǎng)絡(luò)權(quán)重作為特征重要度的系數(shù)，再根據(jù)權(quán)重，對輸入模型的特征進(jìn)行重要度排序并進(jìn)行特征篩選。由于多層神經(jīng)網(wǎng)絡(luò)本身具有將底層特征轉(zhuǎn)換成高維特征，并進(jìn)行特征選擇的功能，因此第一層網(wǎng)絡(luò)的權(quán)重可以視為模型本身對底層特征進(jìn)行篩選的系數(shù)。然而，由于機(jī)器學(xué)習(xí)模型具有整體性，僅選取第一層網(wǎng)絡(luò)的權(quán)重不能完整反應(yīng)特征對模型整體預(yù)測結(jié)果的貢獻(xiàn)度，因此排序得到的結(jié)果并不準(zhǔn)確。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提高特征排序準(zhǔn)確性的特征分析方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)。

一種特征分析方法，所述方法包括：

獲取預(yù)設(shè)數(shù)據(jù)集；

將所述預(yù)設(shè)數(shù)據(jù)集中各個(gè)預(yù)設(shè)數(shù)據(jù)的輸入特征輸入目標(biāo)機(jī)器學(xué)習(xí)模型中，得到各個(gè)所述預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出；

基于各個(gè)所述預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出確定各個(gè)所述預(yù)設(shè)數(shù)據(jù)各自的輸入特征的特征敏感度；

基于各個(gè)所述特征敏感度確定所述目標(biāo)機(jī)器學(xué)習(xí)模型對應(yīng)的待分析特征集合中各個(gè)待分析特征的平均敏感度，基于各個(gè)待分析特征的平均敏感度對各個(gè)待分析特征進(jìn)行排序，得到排序結(jié)果。

在一些實(shí)施例中，所述預(yù)設(shè)數(shù)據(jù)集為游戲視頻幀組成的集合；所述預(yù)設(shè)數(shù)據(jù)的輸入特征包括第一輸入特征和第二輸入特征；所述基于各個(gè)所述預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出確定各個(gè)所述預(yù)設(shè)數(shù)據(jù)各自的輸入特征的特征敏感度，包括：

獲取目標(biāo)字段信息；

基于所述目標(biāo)字段信息解析各個(gè)所述游戲視頻幀，得到各個(gè)所述游戲視頻幀的第一輸入特征；

基于所述目標(biāo)字段信息及各個(gè)所述游戲視頻幀的第一輸入特征進(jìn)行計(jì)算，得到各個(gè)所述游戲視頻幀的第二輸入特征。

在一些實(shí)施例中，所述基于各個(gè)所述預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出確定各個(gè)所述預(yù)設(shè)數(shù)據(jù)各自的輸入特征的特征敏感度包括：

對于每一個(gè)輸入特征，基于所述輸入特征對應(yīng)的預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出對所述輸入特征的每一維計(jì)算偏導(dǎo)數(shù)；

基于所述輸入特征對應(yīng)的各個(gè)偏導(dǎo)數(shù)計(jì)算所述輸入特征的范數(shù)，將所述范數(shù)作為所述輸入特征的特征敏感度。

在一些實(shí)施例中，所述預(yù)設(shè)數(shù)據(jù)集中每一個(gè)預(yù)設(shè)數(shù)據(jù)存在對應(yīng)的期望輸出；所述基于所述輸入特征對應(yīng)的預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出對所述輸入特征的每一維計(jì)算偏導(dǎo)數(shù)包括：

基于所述輸入特征對應(yīng)的預(yù)設(shè)數(shù)據(jù)的預(yù)測輸出和期望輸出確定對應(yīng)的預(yù)測損失；

計(jì)算所述預(yù)測損失對所述輸入特征的每一維的一階偏導(dǎo)數(shù)。

在一些實(shí)施例中，所述方法還包括：