[发明专利]特征选择方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种特征选择方法、装置、设备及存储介质，通过对原始医疗数据进行提取获得特征值，将所有特征值作为特征集进行多次拷贝，每次拷贝后打乱，得到随机顺序的特征集，将原有特征集与随机顺序特征集拼接为特征矩阵。将所有样本切割为n组，每次取n‑1组构建树模型，重复n次，然后计算得到特征重要性集合，根据特征重要性集合计算特征的真实分值，剔除出在所有待选择特征中特征分值最高的特征，并以剔除后的特征矩阵继续进行分割重复上述步骤，直到剔除的特征数达到预设数量。本发明还涉及区块链技术，所述原始医疗数据可存储于区块链节点中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种特征选择方法、装置、设备及存储介质。

背景技术

近年来，随着互联网的普及，许多企业和组织都产生了大量的数据，大数据量和超高维度成为后续分析的主要障碍，因此我们需要从过剩的信息中筛选去除冗余，找到相关信息，特征选择算法是一种降维技术，能够找到和问题最相关的特征，去除冗余特征，提高数据存储和处理效率，使用这些最相关特征进行后期的模型构架，能够避免维度灾难。

而在医疗领域，在处理医疗数据时，通过特征选择的方法，能够筛选出在医疗生产中的与结果相关性较高的重要特征，例如通过特征选择，能够找到对于睡眠质量相关性较高的特征，生产探测健康数据的某可穿戴设备，重点对通过特征选择进行筛选后得出的重要特征进行探测。

目前的特征选择方法是通过过滤的方式来选择，也就是通过循环，不断的去除重要性较低的特征，而该过滤往往存在以下操作原则，一是若删掉某维特征，导致模型性能下降，则认为该特征很重要；二是如果删掉某维特征，模型性能没有变化，则认为该特征不重要。然而，在实际训练中，如果删掉某维特征后模型性能没有发生变化，这并不能充分说明该特征不是重要特征，在大多数情况下，如果特征维度非常大，特征A,B,C之间存在关联，那么模型在随机情况下，选择特征A和B作为重要特征放在模型中后，特征C的重要性就会变成0，导致特征C被过滤掉，尽管特征C和结果也具有很强的关联，也就是说，这种特征选择方法无法避免的会去掉两个或三个彼此存在较强关联的特征中的一个。而当我们进行特征选择的目的是挖掘出重要的特征而不是得到最好的模型时，由于特征与特征之间的关联度高，特征与特征之间信息彼此干扰的缘故，导致我们选择不出重要特征或将某些重要特征过滤。

发明内容

本发明的主要目的在于解决现有技术中，由于删去多个彼此存在较强关联的特征中的一个特征，导致选择不出对于重要的特征或导致将某些重要特征过滤的问题。

本发明第一方面提供了一种特征选择方法，包括：

获取原始医疗数据，并对所述原始医疗数据进行特征化处理，得到与所述原始医疗数据对应的待选择特征组；

将所述待选择特征组进行多次拷贝，并对每次拷贝后的集合进行随机打乱，得到多组随机集合；

将所述待选择特征组与多组所述随机集合进行拼接，得到特征矩阵，并将所述特征矩阵进行分割成n组训练集，n为预设值，且为大于1的正整数；

选取所述n组训练集中的n-1组训练集基于模型训练算法构建树模型，得到n个树模型，并计算每个树模型对应的特征重要性集合；

根据所述特征重要性集合计算多个所述待选择特征的代表分值；

获取所述代表分值中最高值所对应的待选择特征，记录所述待选择特征的分值，并将获取到的待选择特征及其对应的随机特征从所述特征矩阵中移除；

判断选择出的特征个数是否大于或等于预设的特征个数；若是，结束特征选择，将特征选择出来的被选择特征作为重要医疗特征输出；

若否，则将特征移除处理后得到的特征矩阵进行分割处理，继续进行特征选择。

可选的，在本发明第一方面的第一种实现方式中，在所述将所述待选择特征组进行多次拷贝之后，还包括：