[发明专利]基于人工智能的特征数据提取方法、装置及相关设备

说明书

本发明涉及大数据技术领域，提供一种基于人工智能的特征数据提取方法、装置及相关设备，所述方法包括：根据数据仓库类型及预设的加工引擎对流水型数据集进行逻辑加工，生成目标流水型数据集；对目标流水型数据集进行第一预处理及第二预处理，得到第二特征数据集；对第二特征数据集进行一阶衍生，得到第三特征数据集；采用预设的多个评价体系对第三特征数据集中的每个特征数据进行特征评分，得到每个特征数据的多个特征评分值后进行特征数据提取，得到特征数据提取结果。本发明通过采用预设的多个评价体系对每个特征数据进行特征评分后进行特征数据提取，筛选出有效特征，提高了特征数据提取的准确率和有效性。

技术领域

本发明涉及大数据技术领域，具体涉及一种基于人工智能的特征数据提取方法、装置及相关设备。

背景技术

随着人工智能的发展，机器学习方法被人们广泛使用，机器学习方法中需要对数据集进行特征工程，特征工程的好或者坏，将直接影响机器学习方法中模型的最终效果。传统的特征工程往往意味着大量的人工干预，通过人工干预获取特征数据集。

然而，人工干预意味着特征数据集的提取局限于某些开发的个人思维空间，无法做到真正意义的“广而深”，导致提取的特征数据集的完整性和准确率低。

因此，有必要提出一种可以快速准确的提取特征数据集的方法。

发明内容

鉴于以上内容，有必要提出一种基于人工智能的特征数据提取方法、装置及相关设备，通过采用预设的多个评价体系对每个特征数据进行特征评分后进行特征数据提取，筛选出有效特征，提高了特征数据提取的准确率和有效性。

本发明的第一方面提供一种基于人工智能的特征数据提取方法，所述方法包括：

解析接收的特征数据提取请求，获取流水型数据集及所述流水型数据集对应的数据仓库类型；

根据所述数据仓库类型及预设的加工引擎对所述流水型数据集进行逻辑加工，生成目标流水型数据集；

对所述目标流水型数据集进行第一预处理，得到第一特征数据集；

对所述第一特征数据集进行第二预处理，得到第二特征数据集；

采用预设的一阶衍生算法对所述第二特征数据集进行一阶衍生，得到第三特征数据集；

采用预设的多个评价体系对所述第三特征数据集中的每个特征数据进行特征评分，得到每个所述特征数据的多个特征评分值；

基于每个所述特征数据的多个特征评分值，对所述第三特征数据集进行特征数据提取，得到所述特征数据提取请求的特征数据提取结果。

可选地，所述根据所述数据仓库类型及预设的加工引擎对所述流水型数据集进行逻辑加工，生成目标流水型数据集包括：

从所述特征数据提取请求中的配置要求中获取模板标识码；

基于所述模板标识码获取对应的配置模板，根据所述配置模板选择聚合主键、日期字段、数值字段和字符字段；

基于所述聚合主键、日期字段、数值字段和字符字段对所述流水型数据集进行配置，得到流水型数据集；

根据所述数据仓库类型及预设的加工引擎自动生成加工逻辑，并采用所述加工逻辑对所述流水型数据集进行逻辑加工，生成目标流水型数据集。

可选地，所述对所述目标流水型数据集进行第一预处理，得到第一特征数据集包括：

根据预设的多个第一字段类型对所述目标流水型数据集进行第一次划分，得到预设的每个所述第一字段类型的子数据集；

采用预设的每个所述第一字段类型对应的算子对预设的每个所述第一字段类型的子数据集中的每个子数据进行算子加工，得到预设的每个所述第一字段类型的特征数据集；