[发明专利]一种迭代特征筛选方法及系统

说明书

本发明公开了一种迭代特征筛选方法及系统，所述方法包括：构建特征数据集；基于降维法和逐步回归法构建迭代特征筛选模型；将所述特征数据集输入所述迭代特征筛选模型，获得所述迭代特征筛选模型的输出结果，所述输出结果为筛选后的特征。解决了现有技术中存在大量信贷特征筛选与过滤问题较为散乱，在特征选择的过程中会出现准确性不够稳定、效率低的技术问题，达到了通过提供一个快速且高效的特征选择框架进行系统性特征筛选，增加特征选择准确性系数、提高特征过滤效率的技术效果。

技术领域

本发明涉及机器学习相关领域，尤其涉及一种迭代特征筛选方法及系统。

背景技术

特征选择是机器学习领域中一个重要的数据预处理过程，特征选择主要有两个功能，降维，使得模型泛化能力更强，以及减少过拟合，目前常用的特征选择方法有基于单变量的特征选择方法，如皮尔逊相关系数，距离相关系数等；以及机器学习模型的特征选择方法，例如回归模型，SVM，决策树，随机森林等。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在大量信贷特征筛选与过滤问题较为散乱，在特征选择的过程中会出现准确性不够稳定，效率低的技术问题。

发明内容

本申请实施例通过提供一种迭代特征筛选方法及系统，解决了现有技术中存在大量信贷特征筛选与过滤问题较为散乱，在特征选择的过程中会出现准确性不够稳定、效率低的技术问题，达到了通过提供一个快速且高效的特征选择框架进行系统性特征筛选，增加特征选择准确性系数、提高特征过滤效率的技术效果。

鉴于上述问题，提出了本申请实施例提供一种迭代特征筛选方法及系统。

第一方面，本申请实施例提供了一种迭代特征筛选方法，所述方法包括：构建特征数据集；基于降维法和逐步回归法构建迭代特征筛选模型；将所述特征数据集输入所述迭代特征筛选模型，获得所述迭代特征筛选模型的输出结果，所述输出结果为筛选后的特征。

另一方面，本申请还提供了一种迭代特征筛选系统，所述系统包括：第一构建单元，所述第一构建单元用于构建特征数据集；第二构建单元，所述第二构建单元用于基于降维法和逐步回归法构建迭代特征筛选模型；第一获得单元，所述第一获得单元用于将所述特征数据集输入所述迭代特征筛选模型，获得所述迭代特征筛选模型的输出结果，所述输出结果为筛选后的特征。

第三方面，本发明提供了一种迭代特征筛选系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过构建特征数据集进行基础指标的封装，再通过经验修改相关指标阈值获得预筛选的特征，基于降维法和逐步回归法构建迭代特征筛选模型，根据所述迭代特征筛选模型获得筛选后的特征的方式，达到了通过提供一个快速且高效的特征选择框架进行系统性特征筛选，增加特征选择准确性系数、提高特征过滤效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种迭代特征筛选方法的流程示意图；

图2为本申请实施例一种迭代特征筛选方法的数据集构建流程示意图；

图3为本申请实施例一种迭代特征筛选方法的特征筛选流程示意图；

图4为本申请实施例一种迭代特征筛选系统的结构示意图；

图5为本申请实施例示例性电子设备的结构示意图。