[发明专利]一种自动多阀值特征过滤方法及装置

权利要求书

1.一种自动多阀值特征过滤方法，用于在机器学习模型训练时对样本数据进行特征过滤，其特征在于，所述特征过滤方法包括：

根据上一轮迭代的结果计算本轮迭代的特征过滤阈值及特征相关值；

根据计算得到的特征过滤阈值和特征相关值，对样本进行特征过滤。

2.根据权利要求1所述的自动多阀值特征过滤方法，其特征在于，所述特征过滤阀值为样本数据中各维度特征在上一轮迭代时得到的梯度中最大梯度与样本数据数量的比值。

3.根据权利要求2所述的自动多阀值特征过滤方法，其特征在于，所述根据上一轮迭代的结果计算本轮迭代的特征相关值，包括：

根据上一轮迭代的结果计算本轮迭代样本数据各维度特征的梯度；

根据各维度特征的梯度计算对应的特征相关值。

4.根据权利要求3所述的自动多阀值特征过滤方法，其特征在于，所述各维度特征的特征相关值为各维度的梯度的线性函数。

5.根据权利要求1所述的自动多阀值特征过滤方法，其特征在于，所述根据计算得到的特征过滤阈值和特征相关值，对样本进行特征过滤，包括：

如果各维度特征相关值小于本维度特征过滤阈值，则本维特征被过滤掉，不参与后续迭代计算，否则保留本维特征，继续参与后续迭代计算。

6.一种自动多阀值特征过滤装置，用于在机器学习模型训练时对样本数据进行特征过滤，其特征在于，所述特征过滤装置包括：

计算模块，用于根据上一轮迭代的结果计算本轮迭代的特征过滤阈值及特征相关值；

特征过滤模块，用于根据计算得到的特征过滤阈值和特征相关值，对样本进行特征过滤。

7.根据权利要求6所述的自动多阀值特征过滤装置，其特征在于，所述特征过滤阀值为样本数据中各维度特征在上一轮迭代时得到的梯度中最大梯度与样本数据数量的比值。

8.根据权利要求7所述的自动多阀值特征过滤装置，其特征在于，所述计算模块在根据上一轮迭代的结果计算本轮迭代的特征相关值时，执行如下步骤：

根据上一轮迭代的结果计算本轮迭代样本数据各维度特征的梯度；

根据各维度特征的梯度计算对应的特征相关值。

9.根据权利要求8所述的自动多阀值特征过滤装置，其特征在于，所述各维度特征的特征相关值为各维度的梯度的线性函数。

10.根据权利要求6所述的自动多阀值特征过滤装置，其特征在于，所述特征过滤模块根据计算得到的特征过滤阈值和特征相关值，对样本进行特征过滤，执行如下步骤：

如果各维度特征相关值小于本维度特征过滤阈值，则本维特征被过滤掉，不参与后续迭代计算，否则保留本维特征，继续参与后续迭代计算。