[发明专利]对数据记录进行处理的方法及系统

说明书

提供一种对数据记录进行处理的方法及系统。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)向用户提供用于设置字段处理项的图形界面，其中，所述字段处理项用于限定如何对数据表中的字段进行处理；(C)接收用户为了设置字段处理项而在图形界面上执行的输入操作，并根据所述输入操作来获取用户设置的字段处理项；以及(D)基于获取的字段处理项对所述数据表中的字段进行处理，以基于处理后的字段得到与所述数据表中的数据记录相应的机器学习样本的特征。

技术领域

本发明总体说来涉及数据处理领域，更具体地讲，涉及一种对数据记录进行处理的方法及系统。

背景技术

随着海量数据的出现，人们倾向于使用机器学习技术来从数据中挖掘出价值。

训练机器学习模型的基本过程主要包括：

1、导入包含历史数据记录的数据集(例如，数据表)；

2、完成特征工程，其中，通过对数据集中的数据记录的属性信息(即，字段)进行各种处理，以得到各个特征(例如，可包括组合特征)，这些特征构成的特征向量可作为机器学习样本；

3、训练模型，其中，按照设置的机器学习算法(例如，逻辑回归算法、决策树算法、神经网络算法等)，基于经过特征工程所得到的机器学习样本来学习出模型。

然而，目前缺少能够有效地进行数据处理的工具，例如，为了对数据表中的各个字段进行处理，往往需要编写有针对性的程序代码，这需要操作者掌握专门的编程语言，提高了数据应用的技术门槛。即使在相关的应用软件中，也缺少有效的字段处理方式，并且，由于数据表中经常含有大量字段，用户手动处理字段往往需要耗费大量的时间。

发明内容

本发明的示例性实施例在于提供一种对数据记录进行处理的方法及系统，以解决现有技术存在的不能便捷地在机器学习系统中对数据表中的字段进行自动处理的问题。

根据本发明的示例性实施例，提供一种对数据记录进行处理的方法，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)向用户提供用于设置字段处理项的图形界面，其中，所述字段处理项用于限定如何对数据表中的字段进行处理；(C)接收用户为了设置字段处理项而在图形界面上执行的输入操作，并根据所述输入操作来获取用户设置的字段处理项；以及(D)基于获取的字段处理项对所述数据表中的字段进行处理，以基于处理后的字段得到与所述数据表中的数据记录相应的机器学习样本的特征。

可选地，所述字段处理项包括以下项之中的至少一项：字段名设置项，用于指定是否将数据表的首行数据记录中的各个字段值作为字段名，使得在步骤(D)中，当指定将首行数据记录中的各个字段值作为字段名时，将所述各个字段值分别作为其所在列对应的字段的字段名，当指定不将首行数据记录中的各个字段值作为字段名时，在所述数据表中自动或手动添加各字段的字段名；特征类型声明项，用于声明数据表中的所有字段对应的特征类型，使得在步骤(D)中，按照声明的特征类型来处理所述数据表中的所有字段，其中，特征类型包括离散特征和/或连续特征。

可选地，根据用户对单选按钮的操作，特征类型声明项被设置为用于将数据表中的所有字段声明为离散特征，或者，用于将数据表中的各个字段声明为与其字段值数据类型相应的离散特征或连续特征。

可选地，所述方法还包括：生成按照设置的特征类型声明项来声明所述数据表中的所有字段对应的特征类型的声明配置文件。

可选地，所述图形界面中还显示所述数据表，其中，所述方法还包括：(E)接收用户对显示的数据表中的字段名和/或字段值数据类型的修改操作，并响应于所述修改操作对字段名和/或字段值数据类型进行修改。