[发明专利]降维模型训练方法、装置及电子设备

说明书

本发明提供了一种降维模型训练方法、装置及电子设备，属于人工智能技术领域。本发明实施例提供的降维模型训练方法、装置及电子设备，首先获取特征数据，将特征数据输入降维算法，输出预设层级数量的特征结果，并将特征数据输入待训练的降维模型，得到与特征结果相同预设层级数量的训练数据，然后根据训练数据和特征结果确定损失函数值，使用训练数据、特征结果和特征数据对待训练的降维模型进行训练，直至损失函数值收敛，结束训练，得到训练好的降维模型，该训练模型能对非线性相关特征的数据进行降维，并且当获取到新的特征数据时，可以通过训练好的降维模型进行降维，实现对新的特征数据的维度进行预测。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种降维模型训练方法、装置及电子设备。

背景技术

随着科学技术的发展，很多技术领域需要采集和分析大量特征数据，但是，有时一些特征数据不是必须的，需要对他们处理，得到相对更有意义的较少的特征数据，这也即是降维的过程。

目前，广泛采用的降维方法通常是将大批量的特征数据通过降维算法得到低维度的特征数据，但是该降维算法不能对一些新获取的特征数据进行降维算法得到预测，导致一些新获取的特征数据无法通过降维算法降到指定的维度。

发明内容

针对上述现有技术中存在的问题，本发明提供了一种降维模型训练方法、装置及电子设备，可以预测新的数据的维度。

第一方面，本发明实施例提供了一种降维模型训练方法，其中，包括：

获取特征数据；

将所述特征数据输入降维算法，输出预设层级数量的特征结果；

将所述特征数据输入待训练的降维模型，得到与所述特征结果相同预设层级数量的训练数据；

根据所述训练数据和所述特征结果确定损失函数值；

使用所述训练数据、所述特征结果和所述特征数据对所述待训练的降维模型进行训练，直至所述损失函数值收敛，结束训练，得到训练好的降维模型；所述训练好的降维模型用于对获取到的新的特征数据进行降维，得到预设层级数量的目标结果。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述获取特征数据之前，所述方法还包括：

获取特征数据集；所述特征数据集包括所述特征数据和非特征数据；

对所述特征数据集进行筛选，得到特征数据。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述待训练的降维模型包括输入层、隐藏层和输出层；将所述特征数据输入待训练的降维模型，得到与所述特征结果相同预设层级数量的训练数据的步骤，包括：

在所述输入层输入所述特征数据后，获取所述降维模型的总层数及每一层对应的向量；

提取由所述隐藏层和所述输出层组成的线性系数矩阵和偏倚向量；

根据所述每一层对应的向量、所述总层数、所述线性系数矩阵和所述偏倚向量确定与所述特征结果相同预设层级数量的训练数据。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述训练数据和所述特征结果之间的损失函数值表示所述训练数据和所述特征结果的拟合程度。

结合第一方面的第二种或第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，使用所述训练数据、所述特征结果和所述特征数据对所述待训练的降维模型进行训练，直至所述损失函数值收敛，结束训练，得到训练好的降维模型的步骤，包括：

为所述损失函数值设置预设条件；