[发明专利]用于构建机器学习模型的特征选取方法、装置以及设备

说明书

本说明书实施例提供一种用于构建机器学习模型的特征选取方法、装置及设备，在特征选取方法中，获取筛选后的训练数据集。根据预设的拆分方式，对训练数据集进行拆分，以获得k组训练数据子集。对该k组训练数据子集，并行执行如下过程k次：从k组训练数据子集中选取k‑1组训练数据子集，以作为当前训练数据集。根据当前训练数据集，计算多个待筛选的特征的m个评价指标。根据各个评价指标，对多个特征进行排序，从而得到m组多个特征的指标排名。基于当前训练数据集，训练机器学习模型，以预测一组多个特征的重要性排名。将k次得到的k*m组指标排名以及k组重要性排名进行融合，以获取多个特征的总排名。根据总排名，从多个特征中选取目标特征。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种用于构建机器学习模型的特征选取方法、装置及设备。

背景技术

为了构建一个性能最优的机器学习模型，数据分析师和数据挖掘工程师通常会根据业务经验以及对数据的理解，暴力衍生出很多维度的特征(也称变量)。但这个过程往往会产生很多冗余细微的信息，这些信息对于我们想要构建的机器学习模型没有太多价值甚至会产生副作用。因此在构建机器学习模型的过程中，我们需要不断的去试验，经过细致的特征筛选，最后构建一个最优的机器学习模型。

对于上述特征筛选的过程，当通过人为的方式进行时，通常非常耗费人力，且会拖慢模型构建的速度，因此通常采用自动化的方式进行。传统技术中，主要有如下几种自动化的特征选取方式：过滤式特征选择、嵌入式特征选择以及包裹式特征选择。这些特征选取方式在筛选特征时，通常只考虑特征在部分数据拆分集合上的表现。

因此，需要提供一种特征的选取方式，以能够筛选出更准确的特征。

发明内容

本说明书一个或多个实施例描述了一种用于构建机器学习模型的特征选取方法、装置及设备，可以筛选出更准确的特征。

第一方面，提供了一种用于构建机器学习模型的特征选取方法，包括：

获取训练数据集；

根据预设的拆分方式，对所述训练数据集进行拆分，以获得k组训练数据子集；

对所述k组训练数据子集，并行执行如下过程k次：

从所述k组训练数据子集中选取k-1组训练数据子集，以作为当前训练数据集；

根据所述当前训练数据集，计算多个待筛选的特征的m个评价指标；

根据各个评价指标，对所述多个特征进行排序，从而得到m组所述多个特征的指标排名；

基于所述当前训练数据集，训练机器学习模型，以预测一组所述多个特征的重要性排名；

将k次得到的k*m组指标排名以及k组重要性排名进行融合，以获取所述多个特征的总排名；

根据所述总排名，从所述多个特征中选取目标特征。

第二方面，提供了一种用于构建机器学习模型的特征选取装置，包括：

获取单元，用于获取训练数据集；

拆分单元，用于根据预设的拆分方式，对所述获取单元获取的所述训练数据集进行拆分，以获得k组训练数据子集；

执行单元，用于对所述拆分单元拆分得到的所述k组训练数据子集，并行执行如下过程k次：

从所述k组训练数据子集中选取k-1组训练数据子集，以作为当前训练数据集；

根据所述当前训练数据集，计算多个待筛选的特征的m个评价指标；

根据各个评价指标，对所述多个特征进行排序，从而得到m组所述多个特征的指标排名；