[发明专利]特征数据的处理方法以及电子设备

说明书

本申请实施例提供了一种特征数据的处理方法以及电子设备。该方法包括：基于第一特征集合和决策树模型，进行第i次模型训练，得到该第一特征集合的特征排序结果，该特征排序结果用于表征该第一特征集合中的n_i个特征在训练过程中的重要性排序，按照该特征排序结果，从该第一特征集合中删除m_i个特征，并将该第一特征集合中剩余的n_i‑m_i个特征，作为用于进行第i+1次模型训练的第一特征集合，再基于该m_i个特征，确定第i次模型训练对应的目标特征，在该第i次模型训练对应的目标特征的数量大于预设值时，重复上述处理过程，直至该目标特征的数量达到该预设值时结束该处理过程，得到最终的目标特征。实现了在保证模型的训练效率的同时提高模型的准确性。

技术领域

本申请实施例涉及人工智能技术领域，并且更具体地，涉及特征数据的处理方法以及电子设备。

背景技术

随着人工智能(Artificial Intelligence，AI)技术领域的不断发展，为了能够提高模型的训练效率，需要预先对训练样本的特征进行筛选。

然而，现有技术中对训练样本的特征的筛选效果较差，缺少一个有效的特征筛选方案能够在保证模型的训练效率的同时提高模型的准确性。

发明内容

本申请实施例提供了一种特征数据的处理方法以及电子设备，能够在保证模型的训练效率的同时提高模型的准确性。

第一方面，提供了一种特征数据的处理方法，包括：基于第一特征集合和决策树模型，进行第i次模型训练，得到该第一特征集合的特征排序结果，该特征排序结果用于表征该第一特征集合中的n_i个特征在训练过程中的重要性排序，i≥1；按照该特征排序结果，从该第一特征集合中删除m_i个特征；将该第一特征集合中剩余的n_i-m_i个特征，作为用于进行第i+1次模型训练的第一特征集合，m_i≥1；基于该m_i个特征，确定第i次模型训练对应的目标特征；在该第i次模型训练对应的目标特征的数量大于预设值时，重复上述处理过程，直至该目标特征的数量达到该预设值时结束该处理过程，得到最终的目标特征。

第二方面，提供一种电子设备，包括：排序处理单元，用于基于第一特征集合和决策树模型，进行第i次模型训练，得到该第一特征集合的特征排序结果，该特征排序结果用于表征该第一特征集合中的n_i个特征在训练过程中的重要性排序，i≥1；消除处理单元，用于按照该特征排序结果，从该第一特征集合中删除m_i个特征；第一集合确定单元，用于将该第一特征集合中剩余的n_i-m_i个特征，作为用于进行第i+1次模型训练的第一特征集合，m_i≥1；特征选择单元，用于基于该m_i个特征，确定第i次模型训练对应的目标特征；循环处理单元，用于在该第i次模型训练对应的目标特征的数量大于预设值时，重复上述处理过程，直至该目标特征的数量达到该预设值时结束该处理过程，得到最终的目标特征。

第三方面，提供一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，处理器用于调用并运行存储器中存储的计算机程序，执行如第一方面或其各实现方式中的方法。

第四方面，提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

第五方面，提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。

第六方面，提供一种计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。