[发明专利]生成机器学习样本的组合特征的方法及系统

说明书

提供了一种生成机器学习样本的组合特征的方法及系统。所述方法包括：(A)获取数据记录，其中，所述数据记录包括多个属性信息；(B)针对基于所述多个属性信息产生的每一个连续特征，执行至少一种分箱运算，以得到由至少一个分箱特征组成的分箱组特征，其中，每种分箱运算对应一个分箱特征；以及(C)通过在分箱组特征和/或基于所述多个属性信息产生的其他离散特征之间进行特征组合来生成机器学习样本的组合特征。根据所述方法和系统，将获得的分箱组特征与其他特征进行组合，使得组成机器学习样本的组合特征更为有效，从而提升了机器学习模型的效果。

本申请是申请日为2017年7月20日、申请号为201710595326.7、题为“生成机器学习样本的组合特征的方法及系统”的专利申请的分案申请。

技术领域

本发明总体说来涉及人工智能领域，更具体地说，涉及一种生成机器学习样本的组合特征的方法及系统。

背景技术

随着海量数据的出现，人工智能技术得到了迅速发展，而为了从大量数据中挖掘出价值，需要基于数据记录来产生适用于机器学习的样本。

这里，每条数据记录可被看做关于一个事件或对象的描述，对应于一个示例或样例。在数据记录中，包括反映事件或对象在某方面的表现或性质的各个事项，这些事项可称为“属性”。

如何将原始数据记录的各个属性转化为机器学习样本的特征，会对机器学习模型的效果带来很大的影响。事实上，机器学习模型的预测效果与模型的选择、可用的数据和特征的提取等有关。也就是说，一方面，可通过改进特征提取方式来提高模型预测效果，反之，如果特征提取不适当，则将导致预测效果的恶化。

然而，在确定特征提取方式的过程中，往往需要技术人员不仅掌握机器学习的知识，还需要对实际预测问题有深入的理解，而预测问题往往结合着不同行业的不同实践经验，导致很难达到满意的效果。特别地，在将连续特征与其他特征进行组合时，一方面，难以从预测效果方面把握将哪些特征进行组合，另一方面，也难以从运算角度方面确定有效的组合方式。综上所述，现有技术中难以将特征进行自动组合。

发明内容

本发明的示例性实施例旨在克服现有技术中难以对机器学习样本的特征进行自动组合的缺陷。

根据本发明的示例性实施例，提供一种生成机器学习样本的组合特征的方法，包括：(A)获取数据记录，其中，所述数据记录包括多个属性信息；(B)针对基于所述多个属性信息产生的每一个连续特征，执行至少一种分箱运算，以得到由至少一个分箱特征组成的分箱组特征，其中，每种分箱运算对应一个分箱特征；以及(C)通过在分箱组特征和/或基于所述多个属性信息产生的其他离散特征之间进行特征组合来生成机器学习样本的组合特征。

可选地，在所述方法中，在步骤(B)之前，还包括：(D)从预定数量的分箱运算中选择所述至少一种分箱运算，使得与选择的分箱运算对应的分箱特征的重要性不低于与未被选择的分箱运算对应的分箱特征的重要性。

可选地，在所述方法中，在步骤(D)中，针对与所述预定数量的分箱运算对应的分箱特征之中的每一个分箱特征，构建单特征机器学习模型，基于各个单特征机器学习模型的效果来确定各个分箱特征的重要性，并基于各个分箱特征的重要性来选择所述至少一种分箱运算，其中，单特征机器学习模型对应所述每一个分箱特征。

可选地，在所述方法中，在步骤(D)中，针对与所述预定数量的分箱运算对应的分箱特征之中的每一个分箱特征，构建复合机器学习模型，基于各个复合机器学习模型的效果来确定各个分箱特征的重要性，并基于各个分箱特征的重要性来选择所述至少一种分箱运算，其中，复合机器学习模型包括基于提升框架的基本子模型和附加子模型，其中，基本子模型对应基本特征子集，附加子模型对应所述每一个分箱特征。

可选地，在所述方法中，根据关于组合特征的搜索策略，按照迭代的方式来生成机器学习样本的组合特征。