[发明专利]一种基于数据挖掘的自动化特征选取方法

权利要求书

1.一种基于数据挖掘的自动化特征选取方法，其特征在于，包括两个部分：

（1）自动化特征提取：从数据集中自动创建候选特征；

（2）自动化特征选择：从自动创建的候选特征中自动选择最佳特征。

2.根据权利要求1所述的一种基于数据挖掘的自动化特征选取方法，其特征在于，所述（1）具体实现方式为：

（1.1）输入数据集，并进行数据清洗；

（1.2）对数据集中的数据进行分析，根据数据集中数据包括结构、属性的特征，创建实体和实体集，并创建各实体之间的关联关系；所述实体即表，实体集即表的集合，各实体之间的关联关系即表与表的关联关系；

（1.3）根据表中父节点与对应表中子节点的对应关系，计算子节点的统计信息；

（1.4）针对（1.3）的统计信息，对表中一行/列或多行/列执行操作，形成基元，并基于基元构造新的特征。

3.根据权利要求2所述的一种基于数据挖掘的自动化特征选取方法，其特征在于，所述（2）具体实现方式为：

（2.1）基于构造的新的特征，通过随机森林对数据集进行扩展，并设定一个特征重要性指标；

（2.2）对原数据集特征与特征重要性最大的新的特征进行特征重要性比较，不断迭代比较，并删除原数据集中比特征重要性最大的新的特征的特征重要性低的特征；

（2.3）达到迭代次数限制后，结束。

4.根据权利要求2所述的一种基于数据挖掘的自动化特征选取方法，其特征在于，所述（1.4）中，对表中一行/列或多行/列执行操作，包括对对表中一行/列或多行/列执行求差、求和、求积。