[发明专利]一种特征填充方法、装置、计算设备及介质

权利要求书

1.一种特征填充方法，其特征在于，包括：

根据目标特征的特征值是否缺失，将数据集中的样本分为第一未缺失样本和第一缺失样本；

确定第一投票分类模型和第二投票分类模型，所述第一投票分类模型和所述第二投票分类模型中分别包括多个分类模型，所述分类模型具有超参数，所述超参数具有相应的参数值；

根据所述第一未缺失样本和所述第一投票分类模型，确定所述第一缺失样本的第一预测结果；

基于所述第二投票分类模型和所述第一预测结果，确定所述超参数的第一优选值；

根据所述第一优选值和所述第一投票分类模型，对所述第一缺失样本进行特征填充。

2.如权利要求1所述方法，其特征在于，所述方法还包括：

根据特征填充的结果得到第二未缺失样本和第二缺失样本；

根据所述第二未缺失样本对所述第二缺失样本进行特征填充。

3.如权利要求1或2所述的方法，其特征在于，所述根据所述第一未缺失样本和所述第一投票分类模型，确定所述第一缺失样本的第一预测结果，包括：

采用所述第一未缺失样本对所述第一投票分类模型进行训练；

采用训练后的所述第一投票分类模型对所述第一缺失样本进行预测，得到第一预测结果。

4.如权利要求1或2所述的方法，其特征在于，所述超参数包括预测阈值，所述基于所述第二投票分类模型和所述第一预测结果，确定所述超参数的第一优选值，包括：

基于所述超参数，计算所述第一预测结果的预测概率；

确定所述预测概率大于所述预测阈值的第一预测结果为第一预测样本；

采用所述第一预测样本和所述未缺失样本对所述第二投票分类模型进行训练，得到所述超参数的所述第一优选值。

5.如权利要求4所述的方法，其特征在于，所述根据所述第一优选值和所述第一投票分类模型，对所述第一缺失样本进行特征填充，包括：

将所述第一优选值作为所述第一投票分类模型的超参数的值；

采用所述第一投票分类模型对所述第一缺失样本进行预测，得到第二预测结果；

根据所述第二预测结果，对所述第一缺失样本进行特征填充。

6.如权利要求2所述的方法，其特征在于，所述方法还包括：

若所述目标特征的特征填充完成，则确定所述数据集的下一个待填充特征；

基于所述待填充特征的特征值是否缺失，将所述数据集分为第三未缺失样本和第三缺失样本；

根据所述第三未缺失样本，对所述第三缺失样本进行填充。

7.如权利要求6所述的方法，其特征在于，所述若所述目标特征的特征填充完成，则确定所述数据集的下一个待填充特征，包括：

确定所述第一缺失样本的数量和所述第二缺失样本的数量

若所述第一缺失样本的数量与所述第二缺失样本的数量相同，或所述第二缺失样本的数量为零时，确定所述目标特征的特征填充完成；

确定所述数据集的下一个待填充特征。

8.一种特征填充装置，其特征在于，包括：

样本划分模块，用于根据目标特征的特征值是否缺失，将数据集中的样本分为第一未缺失样本和第一缺失样本；

投票分类模型确定模块，用于确定第一投票分类模型和第二投票分类模型，所述第一投票分类模型和所述第二投票分类模型中分别包括多个分类模型，所述分类模型具有超参数，所述超参数具有相应的参数值；

第一预测结果确定模块，用于根据所述第一未缺失样本和所述第一投票分类模型，确定所述第一缺失样本的第一预测结果；

第一优选值确定模块，用于基于所述第二投票分类模型和所述第一预测结果，确定所述超参数的第一优选值；

特征填充模块，用于根据所述第一优选值和所述第一投票分类模型，对所述第一缺失样本进行特征填充。

9.一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。