[发明专利]一种特征筛选方法以及特征筛选装置

权利要求书

1.一种特征筛选方法，其特征在于，包括：

获取m个训练样本分别在N个待选特征下的特征值，以及所述m个训练样本对应的分类标签；所述m、N分别为大于0的整数；

确定所述N个待选特征中每个待选特征的重要性度量值；

根据每个待选特征的重要性度量值，确定多个特征集合；

针对每个特征集合：使用m个训练样本在该特征集合包含的每个待选特征下的特征值和所述m个待选特征对应的分类标签，训练分类模型，获得该特征集合对应的分类准确率；

将分类准确率最高的特征集合包含的待选特征确定为选定特征。

2.根据权利要求1所述的方法，其特征在于，

所述多个特征集合中每个特征集合包含的待选特征数量不同；

并且，对于任意两个特征集合：

待选特征数量多的第一特征集合包含待选特征数量少的第二特征集合中的待选特征；且属于第一特征集合、但不属于第二特征集合的待选特征的重要性度量值，小于第二特征集合中的待选特征的重要性度量值。

3.根据权利要求1所述的方法，其特征在于，确定待选特征的重要性度量值，包括：

针对任意一个待选特征：

根据各个所述训练样本在该待选特征下的特征值，确定该待选特征的信息熵；以及

根据各个所述训练样本在该待选特征下的特征值以及对应的所述分类标签，确定该待选特征的不确定性信息；

根据该待选特征的信息熵，以及该待选特征的不确定性信息，确定该待选特征的重要性度量值。

4.根据权利要求3所述的方法，其特征在于，所述确定待选特征的信息熵，包括：

确定每个训练样本在该待选特征下的特征值对应的概率密度；

根据每个训练样本在该待选特征下的特征值对应的概率密度，计算该待选特征的信息熵。

5.根据权利要求4所述的方法，其特征在于，所述确定待选特征的不确定性信息，包括：

针对任一训练样本在该待选特征下的特征值：确定该特征值与每个所述分类标签对应的条件概率以及联合概率；

根据每个训练样本在该待选特征下的特征值对应的所述条件概率和联合概率，确定该待选特征的不确定性信息。

6.根据权利要求4或5所述的方法，其特征在于，所述根据该待选特征的信息熵，以及该待选特征的不确定性信息，确定该待选特征的重要性度量值，包括：

将该待选特征的信息熵与该待选特征的不确定性信息的差值，确定为该待选特征的重要性度量值。

7.一种特征筛选装置，其特征在于，包括：

获取模块，用于获取m个训练样本分别在N个待选特征下的特征值，以及所述m个训练样本对应的分类标签；所述m、N分别为大于0的整数；

确定模块，用于确定所述N个待选特征中每个待选特征的重要性度量值；

筛选模块，用于根据每个待选特征的重要性度量值，确定多个特征集合；以及

针对每个特征集合：使用m个训练样本在该特征集合包含的每个待选特征下的特征值和所述m个待选特征对应的分类标签，训练分类模型，获得该特征集合对应的分类准确率；

将分类准确率最高的特征集合包含的待选特征确定为选定特征。

8.根据权利要求7所述的装置，其特征在于，

所述多个特征集合中每个特征集合包含的待选特征数量不同；

并且，对于任意两个特征集合：

待选特征数量多的第一特征集合包含待选特征数量少的第二特征集合中的待选特征；且属于第一特征集合、但不属于第二特征集合的待选特征的重要性度量值，小于第二特征集合中的待选特征的重要性度量值。