[发明专利]一种特征集确定的方法及装置

说明书

本发明公开了一种特征集确定的方法，包括：根据接收到的特征集确定请求，获取用于特征学习的数据，特征集确定请求中包括特征学习的学习目标，对该数据进行类型分析，划分出第一类型的数据和第二类型的数据，对第一类型的数据进行半监督学习，提取出多个第一类型的特征，对第二类型的数据进行自适应学习，提取出多个第二类型的特征；对第一类型的特征和第二类型的特征进行评估，以得到最优特征集，最优特征集包括多个准确率满足预置条件的特征，准确率为特征与学习目标的接近程度。本发明实施例提供的特征集确定的方法，不仅提高了特征学习的效率，还可以提升特征集的准确度。

技术领域

本发明涉及计算机技术领域，具体涉及一种特征集确定的方法及装置。

背景技术

在计算机视觉、模式识别、数据挖掘很多应用问题中，经常会遇到高维度的数据，高维度的数据通常指的是包含很多种类的数据，例如：各种商品的数据，每种商品都可以看作是一个维度。高维度的数据会造成很多问题，例如导致算法运行性能以及准确性的降低。特征学习的目标是从原始数据中找到有用的特征集，再运用一些有效的算法，实现数据的聚类、分类以及检索等任务。

整个数据挖掘过程中，一半以上的时间用在特征学习阶段。特征学习的目的是通过无监督学习、特征提取和特征选择等技术消除不相关和冗余的特征来降低系统的复杂性。当机器学习算法由于不相关的特征所导致的伪结构而变得混乱时，会导致严重的过拟合问题。在机器学习领域中，为了减少计算成本和存储成本以及提高预测的准确性，特征学习技术变得越来越重要。

发明内容

为了解决现有技术中特征学习花费的时间多的问题，本发明实施例提供一种特征集确定的方法，针对不同类型的数据采用不同的处理方法，不仅提高了特征学习的效率，还可以获得由准确度更高的特征组成的最优特征集，从而提高了所确定的特征集的准确度。本发明实施例还提供了相应的装置。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明第一方面提供一种特征集确定的方法，常应用于分布式运算平台，分布式运算平台可以包括多个计算节点，每个计算节点都可以根据控制节点的指示或者预先配置的任务触发特征集确定的过程。特征集确定的方法可以包括：根据接收到的特征集确定请求，获取用于特征学习的数据，该特征集确定请求中包括该特征学习的学习目标；对获取到的数据进行类型分析，划分出第一类型的数据和第二类型的数据，第一类型的数据为非数值类型的数据，第二类型的数据为数值类型的数据；对第一类型的数据进行半监督学习，以提取出多个第一类型的特征，对第二类型的数据进行自适应学习，以提取出多个第二类型的特征；对多个第一类型的特征和多个第二类型的特征进行评估，以得到最优特征集，最优特征集包括多个准确率满足预置条件的特征，准确率为各个特征与学习目标的接近程度；将该最优特征集输出，以响应特征集确定请求。其中，特征学习就是通过例如：最近邻中心的距离的方法来寻找各个类的中心，实现数据的聚类，然后对聚类后的各个类中的数据进行分析，抽取出其中的特征。例如：如果对人脸进行特征学习，因为同类的数据具有趋向性，脸部用于描绘同一面部器官的数据也会聚到一个类中，然后对各类中的数据进行分析，抽取出其中的各个面部器官的特征数据，从而确定所学习数据对应的是人脸。从上述第一方面的描述可以看出，针对不同类型的数据采用不同的处理方法，不仅提高了特征学习的效率，还可以提升特征集的准确度。