[发明专利]用于构建机器学习模型的特征选取方法、装置以及设备在审
| 申请号： | 201811244486.8 | 申请日： | 2018-10-24 |
| 公开（公告）号： | CN109460825A | 公开（公告）日： | 2019-03-12 |
| 发明（设计）人： | 唐渝洲;金宏;王维强;赵闻飙 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京亿腾知识产权代理事务所 11309 | 代理人： | 张明;周良玉 |
| 地址： | 英属开曼群岛大开*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本说明书实施例提供一种用于构建机器学习模型的特征选取方法、装置及设备，在特征选取方法中，获取筛选后的训练数据集。根据预设的拆分方式，对训练数据集进行拆分，以获得k组训练数据子集。对该k组训练数据子集，并行执行如下过程k次：从k组训练数据子集中选取k‑1组训练数据子集，以作为当前训练数据集。根据当前训练数据集，计算多个待筛选的特征的m个评价指标。根据各个评价指标，对多个特征进行排序，从而得到m组多个特征的指标排名。基于当前训练数据集，训练机器学习模型，以预测一组多个特征的重要性排名。将k次得到的k*m组指标排名以及k组重要性排名进行融合，以获取多个特征的总排名。根据总排名，从多个特征中选取目标特征。 | ||
| 搜索关键词： | 训练数据集 训练数据 子集 特征选取 机器学习模型 评价指标 构建 筛选 装置及设备 并行执行 目标特征 训练机器 预设 排序 融合 预测 学习 | ||
【主权项】：
1.一种用于构建机器学习模型的特征选取方法，包括：获取训练数据集；根据预设的拆分方式，对所述训练数据集进行拆分，以获得k组训练数据子集；对所述k组训练数据子集，并行执行如下过程k次：从所述k组训练数据子集中选取k‑1组训练数据子集，以作为当前训练数据集；根据所述当前训练数据集，计算多个待筛选的特征的m个评价指标；根据各个评价指标，对所述多个特征进行排序，从而得到m组所述多个特征的指标排名；基于所述当前训练数据集，训练机器学习模型，以预测一组所述多个特征的重要性排名；将k次得到的k*m组指标排名以及k组重要性排名进行融合，以获取所述多个特征的总排名；根据所述总排名，从所述多个特征中选取目标特征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811244486.8/，转载请声明来源钻瓜专利网。
