[发明专利]一种特征填充方法、装置、计算设备及介质

说明书

本申请实施例适用于机器学习技术领域，提供了一种特征填充方法、装置、计算设备及介质，该方法包括：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，第一投票分类模型和第二投票分类模型中分别包括多个分类模型，分类模型具有超参数，超参数具有相应的参数值；根据第一未缺失样本和第一投票分类模型，确定第一缺失样本的第一预测结果；基于第二投票分类模型和第一预测结果，确定超参数的第一优选值；根据第一优选值和第一投票分类模型，对第一缺失样本进行特征填充。通过上述方法，能够利用未缺失样本对缺失样本进行填充，提高特征填充的准确性。

技术领域

本申请属于机器学习技术领域，特别是涉及一种特征填充方法、装置、计算设备及介质。

背景技术

在机器学习领域中，在进行模型训练时，需要对缺失值进行特征填充。

现有的对缺失值进行特征填充的方法包括自定义规则填充、算法填充、网络填充等，自定义规则填充可以包括0值填充、均值填充、众数填充；算法填充可以使用未缺失样本进行训练，然后对缺失样本的缺失值进行预测；网络填充可以基于用户社交网络，基于网络中的相邻用户特性进行填充。

现有算法填充策略的基本逻辑是先训练算法模型，然后基于模型对缺失值的预测进行填充。同样的，如果特征的缺失度过高、整体样本量过大，导致训练样本数量过少，那模型的预测效果肯定会非常差。

基于自定义规则填充、网络填充这两个方法，难以应对特征缺失度高、整体样本量大的场景。其基本逻辑还是规则主导数据，过于依赖经验性的判断，对于无法提供经验判断的缺失值，填充效果就难以保障。

发明内容

有鉴于此，本申请实施例提供了一种特征填充方法、装置、计算设备及介质，用以根据未缺失样本对缺失样本进行特征填充，使得缺失样本的特征填充能够依据样本数据得到，填充效果好。

本申请实施例的第一方面提供了一种特征填充方法，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。

本申请实施例的第二方面提供了一种特征填充装置，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。

本申请实施例的第三方面提供了一种计算设备，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，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。