“陈雨强”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果105个，建议您升级VIP下载更多相关专利

[发明专利]用于选择机器学习样本的特征的方法及系统-CN201711383339.4在审
发明人：戴文渊;杨强;陈雨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-12-20 - 公布日： 2018-06-01 - 主分类号： G06N99/00 文献下载
摘要：提供了一种用于选择机器学习样本的特征的方法及系统。所述方法包括：(A)将候选特征集划分为多个候选特征子集；(B)针对每一个候选特征子集，获取相应的特征池机器学习模型；(C)根据特征池机器学习模型在原始测试数据集和变换测试数据集上的效果之间的差异来确定相应的候选特征子集之中的各个候选特征的重要性；以及(D)针对每一个候选特征子集，按照其各个候选特征的重要性从中筛选出重要性较高的至少一个候选特征以作为机器学习样本的目标特征。根据所述方法和系统，可在运算资源有限的情况下较好地筛选出相对重要的样本特征。
候选特征子集机器学习样本机器学习模型特征池原始测试数据筛选测试数据集目标特征系统提供样本特征运算资源特征集

[发明专利]自动生成机器学习样本的特征的方法及系统-CN201711445538.3在审
发明人：杨强;戴文渊;陈雨强;孙迪;杨慧斌;刘守湘 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-12-27 - 公布日： 2018-05-29 - 主分类号： G06K9/62 文献下载
摘要：提供一种自动生成机器学习样本的特征的方法及系统。所述方法包括：(A)获取用户指定的数据表，其中，数据表的一行对应一条数据记录，数据表的一列对应一个字段；(B)声明数据表中的各个非目标值字段所对应的特征类型，其中，特征类型包括离散特征和/或连续特征；(C)按照声明的特征类型将各个非目标值字段处理为单位特征；(D)基于生成的单位特征来进行特征组合，以生成组合特征；以及(E)基于生成的单位特征和组合特征来得到机器学习样本的特征。根据所述方法及系统，能够基于数据表自动生成机器学习样本的特征，既降低了特征工程的使用门槛，提高了特征工程的易用性，又提高了特征工程的效率。
机器学习样本特征类型自动生成组合特征字段离散特征连续特征数据记录特征组合系统提供用户指定字段处理易用性声明门槛

[发明专利]用于选择机器学习样本的特征的方法及系统-CN201711382743.X在审
发明人： 陈雨强;杨强;戴文渊;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-12-20 - 公布日： 2018-05-29 - 主分类号： G06N99/00 文献下载
摘要：提供了一种用于选择机器学习样本的特征的方法及系统。所述方法包括：(A)将候选特征集划分为多个候选特征子集；(B)针对每一个候选特征子集，获取相应的复合机器学习模型；(C)根据复合机器学习模型在原始测试数据集和变换测试数据集上的效果之间的差异来确定相应的候选特征子集之中的各个候选特征的重要性；(D)针对每一个候选特征子集，按照其各个候选特征的重要性从中筛选出重要性较高的至少一个候选特征以作为机器学习样本的目标特征。根据所述方法和系统，利用提升框架结构的复合机器学习模型，采用特定的重要性衡量方式来确定其中各个候选特征的重要性，从而可在运算资源有限的情况下较好地筛选出相对重要的样本特征。
候选特征子集复合机器机器学习样本原始测试数据筛选测试数据集重要性衡量目标特征提升框架系统提供样本特征运算资源特征集学习

[发明专利]生成机器学习样本的组合特征的方法及系统-CN201710804197.8在审
发明人： 陈雨强;杨强;戴文渊;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-09-08 - 公布日： 2018-04-13 - 主分类号： G06K9/62 文献下载
摘要：提供了一种生成机器学习样本的组合特征的方法及系统，所述方法包括(A)获取历史数据记录，其中，所述历史数据记录包括多个属性信息；以及(B)按照启发式搜索策略，在基于所述多个属性信息生成的至少一个特征之间逐阶段地进行特征组合以生成候选组合特征，其中，针对每一阶段，从候选组合特征集合中选择目标组合特征以作为机器学习样本的组合特征。根据所述方法和系统，通过启发式搜索策略来逐个阶段地完成候选组合特征的生成和目标组合特征的选取，从而可在使用较少运算资源的情况下有效地实现自动特征组合，提升机器学习模型的效果。
生成机器学习样本组合特征方法系统

[发明专利]数据交换方法、数据交换装置及计算装置-CN201610088146.5有效
发明人： 陈雨强;戴文渊 -专利权人：第四范式（北京）技术有限公司
申请日： 2016-02-17 - 公布日： 2018-04-06 - 主分类号： G06N3/08 文献下载
摘要：在提供方与获取方之间针对机器学习进行数据交换的数据交换方法、数据交换装置及计算装置，该方法包括(a)获得提供方机器学习模型；(b)利用提供方机器学习模型，将提供方的数据样本之中将要提供给获取方的输出数据样本分别变换为相应的输出特征向量；(c)将变换后的输出特征向量与相应的标识符组合成交换样本，其中，所述交换样本能够被获取方应用于机器学习。根据本发明实施例的数据交换方法，原始数据被变换为不可还原但可应用于机器学习的向量信息以进行交换，使得一方面能够保障有效地使用数据进行机器学习，另一方面能够防止原始数据被不经授权地使用、出售或泄露。
数据交换方法装置计算

[发明专利]用于确定机器学习样本的重要特征的方法及系统-CN201710804531.X在审
发明人：杨强;戴文渊;陈雨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-09-08 - 公布日： 2018-02-23 - 主分类号： G06K9/62 文献下载
摘要：提供了一种用于确定机器学习样本的重要特征的方法及系统，所述方法包括(A)获取历史数据记录，其中，所述历史数据记录包括多个属性信息；(B)基于所述多个属性信息生成至少一个候选特征；(C)对所述至少一个候选特征进行重要性的预排序，并根据预排序结果从所述至少一个候选特征中筛选出一部分候选特征以组成候选特征池；以及(D)对候选特征池中的各个候选特征进行重要性的再排序，并根据再排序结果从候选特征池中选择重要性较高的至少一个候选特征作为重要特征。通过特定方式的预排序和再排序从候选特征中筛选出相对重要的特征，从而可在使用较少运算资源的情况下有效地确定重要特征，有助于提升机器学习模型的效果。
用于确定机器学习样本重要特征方法系统

[发明专利]生成机器学习样本的组合特征的方法及系统-CN201710803930.4在审
发明人：杨强;陈雨强;戴文渊;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-09-08 - 公布日： 2018-02-16 - 主分类号： G06K9/62 文献下载
摘要：提供了一种生成机器学习样本的组合特征的方法及系统。所述方法包括获取历史数据记录，其中，历史数据记录包括多个属性信息；按照搜索策略，在基于多个属性信息生成的至少一个特征之间迭代地进行特征组合以生成候选组合特征，并选择目标组合特征以作为机器学习样本的组合特征，其中，针对每一轮迭代，对候选组合特征集合中的各个候选组合特征进行重要性的预排序；根据预排序结果筛选出一部分候选组合特征以组成候选组合特征池；对候选组合特征池中的各个候选组合特征进行重要性的再排序；根据再排序结果选择重要性较高的至少一个候选组合特征作为目标组合特征。可在使用较少运算资源的情况下有效地实现自动特征组合，提升模型效果。
生成机器学习样本组合特征方法系统

[发明专利]拼接数据记录的方法及装置-CN201710538681.0在审
发明人：杨强;戴文渊;陈雨强;张舒羽;栾淑君 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-07-04 - 公布日： 2017-11-28 - 主分类号： G06F17/30 文献下载
摘要：提供一种拼接数据记录的方法及装置。所述方法包括数据表指定步骤，根据用户的数据表指定操作来指定将进行数据记录拼接的至少两个数据表；关联字段指定步骤，根据用户的关联字段指定操作在各个数据表的字段之中分别指定对应关联字段；输出字段配置步骤，根据用户的输出字段配置操作来配置输出字段的来源字段和针对来源字段的处理方式；以及输出字段生成步骤，针对各个数据表中对应关联字段均具有相同字段值的待拼接数据记录，按照配置的处理方式来处理配置的来源字段的字段值，以生成输出字段的字段值。根据所述方法及装置，提高了数据记录拼接的灵活性和多样性。
拼接数据记录方法装置

[发明专利]生成机器学习样本的组合特征的方法及系统-CN201710595326.7在审
发明人： 陈雨强;戴文渊;杨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-07-20 - 公布日： 2017-11-24 - 主分类号： G06N99/00 文献下载
摘要：提供了一种生成机器学习样本的组合特征的方法及系统。所述方法包括(A)获取数据记录，其中，所述数据记录包括多个属性信息；(B)针对基于所述多个属性信息产生的每一个连续特征，执行至少一种分箱运算，以得到由至少一个分箱特征组成的分箱组特征，其中，每种分箱运算对应一个分箱特征；以及(C)通过在分箱组特征和/或基于所述多个属性信息产生的其他离散特征之间进行特征组合来生成机器学习样本的组合特征。根据所述方法和系统，将获得的分箱组特征与其他特征进行组合，使得组成机器学习样本的组合特征更为有效，从而提升了机器学习模型的效果。
生成机器学习样本组合特征方法系统

[发明专利]用于确定机器学习样本的特征重要性的方法及系统-CN201710469134.1在审
发明人：戴文渊;陈雨强;杨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-06-15 - 公布日： 2017-11-03 - 主分类号： G06N99/00 文献下载
摘要：提供了一种用于确定机器学习样本的特征重要性的方法及系统。所述方法包括(A)确定机器学习样本的基本特征子集；(B)确定机器学习样本的重要性待确定的多个目标特征子集；(C)针对所述多个目标特征子集之中的每一个目标特征子集，获取相应的复合机器学习模型，其中，所述复合机器学习模型包括根据提升框架训练而成的基本子模型和附加子模型，其中，基本子模型基于基本特征子集训练而成，附加子模型基于所述每一个目标特征子集训练而成；以及(D)根据复合机器学习模型的效果来确定所述多个目标特征子集的重要性。根据所述方法和系统，能够以较低的运算代价有效地得出各个目标特征子集的重要性。
用于确定机器学习样本特征重要性方法系统

[发明专利]控制数据使用顺序的分布式机器学习系统及其方法-CN201710310856.2在审
发明人：戴文渊;杨强;陈雨强;焦英翔;石光川;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-05-05 - 公布日： 2017-09-15 - 主分类号： G06K9/62 文献下载
摘要：提供了一种控制数据使用顺序的分布式机器学习系统及其方法。所述分布式机器学习系统，包括多个节点装置，其中，每个节点装置用于执行机器学习分布式训练处理并向服务器提供通过执行机器学习分布式训练处理所获得的训练结果，以及服务器，用于收集由所述多个节点装置提供的训练结果，并基于收集到的训练结果来得到机器学习模型，其中，与所有数据对应的一轮迭代过程被划分为多个保序训练阶段，所述多个节点装置在执行每一轮迭代过程时，针对相同保序训练阶段使用同样的数据来执行机器学习分布式训练处理，并按照保序训练阶段向服务器提供训练结果。相应地，能够在保持训练系统通用性的同时，通过数据保序使用而改善模型收敛过程。
控制数据使用顺序分布式机器学习系统及其方法

[发明专利]利用复合机器学习模型来执行预测的方法及系统-CN201710311433.2在审
发明人：杨强;戴文渊;陈雨强;郭夏玮;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-05-05 - 公布日： 2017-09-15 - 主分类号： G06N99/00 文献下载
摘要：提供了一种利用复合机器学习模型来执行预测的方法及系统，其中，所述复合机器学习模型包括至少两种类型的子模型，所述方法包括(A)获取预测数据记录；(B)基于预测数据记录的属性信息来生成与预测数据记录对应的预测样本的多个特征子集；(C)将预测样本的多个特征子集分别提供给复合机器学习模型所包括的子模型，以得到复合机器学习模型针对预测样本的预测结果，其中，在所述复合机器学习模型中，所述子模型根据梯度提升框架训练而成。通过这种方式，能够有效地融合多种类型的子模型来协同工作，充分发挥各个子模型的优势以取得较好的综合机器学习效果。
利用复合机器学习模型执行预测方法系统

[发明专利]利用嵌套机器学习模型来执行预测的方法及系统-CN201710311867.2在审
发明人： 陈雨强;戴文渊;杨强;郭夏玮;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-05-05 - 公布日： 2017-09-15 - 主分类号： G06N99/00 文献下载
摘要：提供了一种利用嵌套机器学习模型来执行预测的方法及系统，其中，所述嵌套机器学习模型包括根据上下层嵌套框架训练出的上层模型和下层模型，所述方法包括(A)获取预测数据记录；(B)基于预测数据记录的属性信息来生成与预测数据记录对应的预测样本的多个特征子集；(C)将预测样本的多个特征子集分别提供给嵌套机器学习模型所包括的上层模型和下层模型，以得到嵌套机器学习模型针对预测样本的预测结果。根据所述系统和方法，能够有效地融合多种类型的子模型来协同工作，充分发挥各个子模型的优势以取得较好的综合机器学习效果。
利用嵌套机器学习模型执行预测方法系统

[发明专利]结合规则来进行机器学习的方法及系统-CN201610728180.4有效
发明人：罗远飞;陈雨强 -专利权人：北京物思创想科技有限公司
申请日： 2016-08-25 - 公布日： 2017-02-15 - 主分类号： G06K9/62 文献下载
摘要：提供了一种结合规则来进行机器学习的方法及系统，所述方法包括(A)获取数据记录，其中，所述数据记录包括多个属性信息；(B)将关于预测目标的至少一条规则应用于所述多个属性信息，以产生数据记录的规则相关特征；(C)至少基于所述规则相关特征来形成预测样本；以及(D)利用机器学习预测模型，基于预测样本来产生关于预测目标的机器学习预测结果，其中，所述机器学习预测模型被训练为针对预测样本来提供相应的机器学习预测结果。通过所述方法和系统，能够将规则形成为参与机器学习的规则相关特征，从而有效地将规则融入到机器学习的过程中，由此改进预测效果。
结合规则进行机器学习方法系统

[发明专利]特征抽取方法、机器学习方法及其装置-CN201610011587.5有效
发明人：白杨;陈雨强 -专利权人：北京物思创想科技有限公司
申请日： 2016-01-08 - 公布日： 2016-06-15 - 主分类号： G06F9/44 文献下载
摘要：提供了特征抽取方法、机器学习方法和对应的装置。特征抽取方法包括：获取数据记录；获取用于限定如何从数据记录抽取预定特征的特征抽取配置项，其中，每种预定特征的特征抽取配置项包括来源字段项和处理方法项，来源字段项用于将每种预定特征所涉及的数据记录的字段限定为来源字段，处理方法项用于指定对预先编程为可执行代码的数据处理函数的引用，其中，数据处理函数用于针对由来源字段项限定的来源字段的字段值执行用于抽取所述每种预定特征的数据处理；基于特征抽取配置项对数据记录的字段值执行数据处理以获取所述预定特征的特征值。根据本发明实施例的特征抽取和机器学习技术增强了编程的灵活性和代码的重用性，特别适合于大数据应用。
特征抽取方法机器学习方法及其装置

首页
«上一页
1
2
3
4
5
6
7
共 105 条