[发明专利]一种特征筛选方法以及特征筛选装置

说明书

本申请提供了一种特征筛选方法以及特征筛选装置，其中，该方法包括：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。本申请实施例能够有针对性的从待选特征中确定选定特征，达到效率更高，且能够达到更高的筛选效果。

技术领域

本申请涉及深度学习技术领域，具体而言，涉及一种特征筛选方法以及特征筛选装置。

背景技术

相关技术中，在机器学习领域，为了实现对目标分类模型的训练，通常需要确定一个或者多个能够对该目标分类模型的输出造成影响的目标特征，然后根据各个训练样本在确定的各个特征下的特征值，生成与各个训练样本对应的特征向量，并基于生成的特征向量实现对目标分类模型的训练。

目前的特征确定方法，通常是基于目标分类模型训练过程来实现的，也即确定多个可能对目标分类模型的输出造成影响的待选特征，并根据确定的多个待选特征，随机或者基于穷举算法形成多个不同的待选特征组合。然后针对每个待选特征组合，构建与该待选特征组合对应的待选特征向量，并基于待选特征向量对目标分类模型进行训练。之后再使用验证集对各个待选特征组合分别对应的目标模型进行验证，并将其中精度最高的目标分类模型对应的待选特征集合中的各个待选特征，确定为与该目标分类模型对应的选定特征。

当前的特征筛选存在效率低，且无法达到较好的筛选效果的问题。

发明内容

有鉴于此，本申请实施例的目的在于提供一种特征筛选方法以及特征筛选装置，能够有针对性的从待选特征中确定选定特征，达到效率更高，且能够达到更高的筛选效果。

第一方面，本申请实施例提供了一种特征筛选方法，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。

第二方面，本申请实施例提供一种特征筛选装置，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。