[发明专利]自动生成机器学习样本的特征的方法及系统

说明书

提供一种自动生成机器学习样本的特征的方法及系统。所述方法包括：(A)获取用户指定的数据表，其中，数据表的一行对应一条数据记录，数据表的一列对应一个字段；(B)声明数据表中的各个非目标值字段所对应的特征类型，其中，特征类型包括离散特征和/或连续特征；(C)按照声明的特征类型将各个非目标值字段处理为单位特征；(D)基于生成的单位特征来进行特征组合，以生成组合特征；以及(E)基于生成的单位特征和组合特征来得到机器学习样本的特征。根据所述方法及系统，能够基于数据表自动生成机器学习样本的特征，既降低了特征工程的使用门槛，提高了特征工程的易用性，又提高了特征工程的效率。

技术领域

本发明总体说来涉及人工智能领域，更具体地讲，涉及一种自动生成机器学习样本的特征的方法及系统。

背景技术

随着海量数据的出现，人们倾向于使用机器学习技术来从数据中挖掘出价值。

训练机器学习模型的基本过程主要包括：

1、导入包含历史数据记录的数据集(例如，数据表)；

2、完成特征工程，其中，通过对数据集中的数据记录的属性信息进行各种处理，以得到各个特征，这些特征构成的特征向量可作为机器学习样本；

3、训练模型，其中，按照设置的机器学习算法(例如，逻辑回归算法、决策树算法、神经网络算法等)，基于经过特征工程所得到的机器学习样本来学习出模型。

在上述过程中，产生特征的处理很重要，它会影响模型的优劣。数据表中每条数据记录可包括多个属性信息(即，字段)，而特征可指示各字段本身、或字段的组合等各种字段处理(或运算)结果，以便更好地反映数据分布以及字段间的内在关联与潜在含义，因此，特征工程质量的好坏直接决定了机器学习问题刻画的准确性，进而影响模型的优劣。

在现有的机器学习平台上，可采用基于图形界面的交互方式来完成机器学习模型训练流程，而不需要用户亲自编写程序代码。然而，在特征工程环节，却往往是将人为设定的特征生成方式手动地输入到平台系统中。也就是说，需要用户预先设定机器学习样本的特征，一方面，需要用户对业务场景有深刻的理解，即，用户凭借业务经验来设定特征；另一方面，一般在机器学习过程中，所使用数据的数据量都比较大，用户有时不能全面地分析数据，会导致设定一些无效的特征，为了提高机器学习样本的特征的效果，这就需要用户进行不断尝试，当面对大数据量和高维特征时，这样的工作需要花费较长的时间。这种情况下，不仅需要用户对业务场景有深刻的理解，增加了用户的工作量，还降低了机器学习的效率。

发明内容

本发明的示例性实施例在于提供一种自动生成机器学习样本的特征的方法及系统，以解决现有技术存在的不能便捷地生成机器学习样本的特征的问题。

根据本发明的示例性实施例，提供一种自动生成机器学习样本的特征的方法，包括：(A)获取用户指定的数据表，其中，数据表的一行对应一条数据记录，数据表的一列对应一个字段；(B)声明数据表中的各个非目标值字段所对应的特征类型，其中，特征类型包括离散特征和/或连续特征；(C)按照声明的特征类型将各个非目标值字段处理为单位特征；(D)基于生成的单位特征来进行特征组合，以生成组合特征；以及(E)基于生成的单位特征和组合特征来得到机器学习样本的特征。

可选地，所述方法通过启动与自动特征生成步骤相应的算子而自动执行。

可选地，所述算子对应于与机器学习流程相应的有向无环图中的节点。

可选地，非目标值字段通过以下方式来获取：从数据表中的所有字段中去除用户指定的目标值字段。

可选地，所述算子在用户未指定目标值字段的情况下被启动时，提供异常提醒。

可选地，在步骤(B)中，自动或根据用户的指示，将所有非目标值字段声明为离散特征，或者，将各个非目标值字段声明为与其字段值数据类型相应的离散特征或连续特征。