[发明专利]一种特征选择方法及设备

说明书

本发明实施例提供一种特征选择方法及设备，其中方法包括如下步骤：获取针对目标事件的样本数据中包含的多个数据特征，计算所述多个数据特征中各数据特征之间的独立性概率；根据所述各数据特征之间的独立性概率，对所述多个数据特征进行聚类处理以生成至少一个特征聚类分组；按照预设特征选择规则从所述至少一个特征聚类分组中选择预设数量的目标数据特征，并将所述预设数量的目标数据特征确定为所述目标事件的数据特征集合。采用本发明，通过对多个特征进行聚类处理，再分别从各个聚类分组中选择目标数据特征，这样能够降低特征选择的计算复杂度，进而提高选择特征的效率。

技术领域

本发明涉及数据挖掘领域，尤其涉及一种特征选择方法及设备。

背景技术

伴随着计算机技术、通信技术、互联网技术的发展，数据积累的越来越多。面对激增的数据，人们希望能够挖掘出有价值的信息，从而可以更好地利用这些数据为人们服务。每一个需要被挖掘的数据可称作一个事件，并通过多个特征来描述一个事件，随着特征的多样化，特征的数量有时可达到数千维或者数万维，因此使得特征选择尤为重要，而特征选择具体是指去除原始特征集合中的冗余特征和不相关特征，而保留有用特征。

在现有的技术方案中，可以通过模型法去除冗余特征，具体是通过采用某个特定分类器的性能作为特征子集选择的准则，搜索最佳特征子集，例如，逐步向前法(forwardstepwise)、逐步向后法(backward stepwise)等。而模型法对原始特征集合中每一个特征、每两个特征、每三个特征等依次通过预设的模型中进行校验、筛选，例如，若有N个特征，模式法需要对的任意一种组合进行验证，其中，i＝1，2，……，N，即共有(2^N-1)个组合需要被验证。但是当N的取值较大时，需要验证的特征组合也呈指数级增长，使得采用模型法去除特征间冗余的计算复杂度增大，降低了选择特征的效率。

发明内容

本发明实施例提供一种特征选择方法及设备，通过对多个特征进行聚类处理，再分别从各个聚类分组中选择目标数据特征，这样能够降低特征选择的计算复杂度，进而提高选择特征的效率。

本发明实施例第一方面提供了一种特征选择方法，包括：获取针对目标事件的样本数据中包含的多个数据特征，计算所述多个数据特征中各数据特征之间的独立性概率；根据所述各数据特征之间的独立性概率，对所述多个数据特征进行聚类处理以生成至少一个特征聚类分组；按照预设特征选择规则从所述至少一个特征聚类分组中选择预设数量的目标数据特征，并将所述预设数量的目标数据特征确定为所述目标事件的数据特征集合。

通过对多个数据特征进行聚类处理以生成至少一个特征聚类分组，再从特征聚类分组中选择目标数据特征，这样实现了从多个数据特征中选择预设数量的目标数据特征的功能，由于是先对多个特征进行聚类处理，再分别从各个聚类分组中选择目标数据特征，这样使得特征选择的复杂度降低，进而提高了选择特征的效率。

结合第一方面，在第一方面的第一种可能实现方式中，所述计算所述多个数据特征中各数据特征之间的独立性概率，包括：获取所述多个数据特征中的各数据特征包含的至少两个类别；在所述多个数据特征的样本数据中确定所述各数据特征包含的类别数和所述各数据特征的每个类别对应的样本数据的数量；根据第一数据特征的类别数、第二数据特征的类别数、所述第一数据特征的每个类别对应的样本数据的数量和所述第二数据特征的每个类别对应的样本数据的数量，计算所述第一数据特征和所述第二数据特征之间的独立性概率；

其中，所述第一数据特征为所述多个数据特征中的任一个数据特征，所述第二数据特征为所述多个数据特征中除了所述第一数据特征之外的任一个数据特征。通过计算所述多个数据特征中各数据特征之间的独立性概率的步骤获得所述多个特征中任意的两两特征之间的独立性概率。