[发明专利]特征的确定方法和装置

说明书

本公开提供了一种特征的确定方法和装置，涉及包括深度学习等人工智能技术领域。具体实施方式包括：获取由模型的训练样本的原始特征所组成的特征矩阵；对所述特征矩阵进行降维，得到降维矩阵；从所述降维矩阵中，提取入模特征作为待处理特征，所述入模特征与经训练的所述模型的预测结果相关；确定所述待处理特征在所述特征矩阵中对应的原始特征作为反解结果，并基于所述反解结果确定目标特征，其中，所述目标特征用于训练所述模型。本公开可以在降维后，通过反解筛选出用于训练的特征，并且，这些特征相对于降维后的特征，具有可解释性，能够更好地用于模型的训练过程。

技术领域

本公开涉及计算机技术领域，具体涉及包括深度学习的人工智能技术领域，尤其涉及特征的确定方法和装置。

背景技术

机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。

机器学习模块则可以是多种多样的，比如，决策树模型、深度神经网络、贝叶斯模型等等。用于训练的训练样本，可能会存在大量的特征。

发明内容

提供了一种特征的确定方法、装置、电子设备以及存储介质。

根据第一方面，提供了一种特征的确定方法，包括：获取由模型的训练样本的原始特征所组成的特征矩阵；对特征矩阵进行降维，得到降维矩阵；从降维矩阵中，提取入模特征作为待处理特征，入模特征与经训练的模型的预测结果相关；确定待处理特征在特征矩阵中对应的原始特征作为反解结果，并基于反解结果确定目标特征，其中，目标特征用于训练模型。

根据第二方面，提供了一种特征的确定装置，包括：获取单元，被配置成获取由模型的训练样本的原始特征所组成的特征矩阵；降维单元，被配置成对特征矩阵进行降维，得到降维矩阵；特征确定单元，被配置成从降维矩阵中，提取入模特征作为待处理特征，入模特征与经训练的模型的预测结果相关；反解单元，被配置成确定待处理特征在特征矩阵中对应的原始特征作为反解结果，并基于反解结果确定目标特征，其中，目标特征用于训练模型。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行特征的确定方法中任一实施例的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据特征的确定方法中任一实施例的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据特征的确定方法中任一实施例的方法。

根据本公开的方案，可以在降维后，通过反解筛选出用于训练的特征，并且，这些特征相对于降维后的特征，具有可解释性，能够更好地用于模型的训练过程。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开一些实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的特征的确定方法的一个实施例的流程图；

图3是根据本公开的特征的确定方法的一个应用场景的示意图；

图4是根据本公开的特征的确定方法中指定数量的确定步骤的一个实施例的流程图；

图5是根据本公开的特征的确定装置的一个实施例的结构示意图；

图6是用来实现本公开实施例的特征的确定方法的电子设备的框图。

具体实施方式