[发明专利]一种算法推荐方法、装置、存储介质及电子设备

权利要求书

1.一种算法推荐方法，其特征在于，包括：

基于各候选算法中的数据选择方式，对样本数据库中的数据进行选择，获得与各所述候选算法对应的数据集合；

基于各所述候选算法中的特征处理方式，对与各所述候选算法对应的数据集合中的第一特征数据进行处理，获得与各所述候选算法对应的初始特征集合；

基于各所述候选算法中的特征选择方式，对与各所述候选算法对应的初始特征集合中的数据进行选择，获得与各所述候选算法对应的目标特征集合；

基于各所述候选算法中的分析方式，对与各所述候选算法对应的目标特征集合中的数据进行分析处理，获得与各所述候选算法对应的分析结果；

基于各所述分析结果对各所述候选算法进行筛选，获得目标算法。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：获取与目标项目对应的若干数据，以获得所述样本数据库；

所述基于各候选算法中的数据选择方式，对样本数据库中的数据进行选择，获得与各所述候选算法对应的数据集合，具体包括：

基于各所述候选算法中的数据选择方式，确定与所述数据选择方式对应的第一标识信息；

基于各所述第一标识信息对选中的数据进行标记，并将标记后的数据作为与各所述候选算法对应的数据集合中的数据；

其中，所述数据选择方式包括如下任意一种：留出法、留一法、自助法、时间段筛选法。

3.如权利要求1所述的方法，其特征在于，所述基于各所述候选算法中的特征处理方式，对与各所述候选算法对应的数据集合中的第一特征数据进行处理，获得与各所述候选算法对应的初始特征集合，具体包括：

基于各所述候选算法中的特征处理方式，确定与各所述特征处理方式对应的第二标识信息；

基于所述第二标识信息，对与所述候选算法对应的数据集合中的第一特征数据进行标记；

基于各所述第一特征数据被标记的第二标识信息，采用与所述第二标识信息对应的特征处理方式对各所述第一特征数据进行处理，并将修改后的第一特征数据作为所述初始特征集合中的数据；

其中，所述特征处理方式包括如下任意一种或几种：分桶处理、归一化处理、编码处理、去噪处理。

4.如权利要求3所述的方法，其特征在于，所述基于各所述候选算法中的特征选择方式，对与各所述候选算法对应的初始特征集合中的数据进行选择，获得与各所述候选算法对应的目标特征集合，具体包括：

基于各所述候选算法中的特征选择方式，确定与所述特征选择方式对应的第三标识信息；

基于各所述第三标识信息对与所述候选算法对应的初始特征集合中的所述修改后的第一特征数据进行标记；

基于各所述修改后的第一特征数据被标记的第三标识信息，采用与所述第三标识信息对应的特征选择方式，对各所述修改后的第一特征数据进行选择，并将选择获得的修改后的第一特征数据作为各所述目标特征集合中的数据；

其中，所述特征据选择方式包括如下任意一种：信息增益方式、交叉熵方式、相对熵方式、比值比方式、互信息方式。

5.如权利要求1所述的方法，其特征在于，所述基于各所述候选算法中的分析方式，对与各所述候选算法对应的目标特征集合中的数据进行分析处理，获得与各所述候选算法对应的分析结果，具体包括：

基于各所述候选算法中的分析方式，确定与各所述分析方式对应的第四标识信息；

基于所述第四标识信息，对与所述候选算法对应的目标特征集合中的选择获得的修改后的第一特征数据数据进行标记；

基于各所述选择获得的修改后的第一特征数据被标记的第四标识信息，采用与所述第四标识信息对应的分析方式对各所述选择获得的修改后的第一特征数据进行分析处理，获得与各所述候选算法对应的分析结果。

其中，所述分析方式包括如下任意一种：迭代算法、K均值聚类算法、网页排名法、关联规则算法、分类回归树算法、朴素贝叶斯分类算法、逻辑回归算法、支持向量机算法、邻近算法、决策树算法、梯度下降树算法。