[发明专利]特征的筛选方法、装置、设备和存储介质

说明书

本申请提供一种特征的筛选方法、装置、设备和存储介质，该方案中，电子设备获取待筛选的多个样本，每个样本中包括至少一个类型的特征，根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率，根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标，根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选，通过计算在不同时间段上稳定性衡量的动态指标来做特征选择，可有效提升建模效果，提高模型准确度。

技术领域

本申请实施例涉及大数据技术领域，尤其涉及一种特征的筛选方法、装置、设备和存储介质。

背景技术

随着大数据技术的发展，海量数据的不断丰富，越来越多的数据信息被应用到机器学习的应用中，需要使用这些数据信息进行模型构建。机器学习可以用于多种场景，比如目前互联网中的推荐系统，搜索系统等，而为了训练到更准确地模型，需要对采集得到的数据中的特征进行各种指标的识别，并对特征进行筛选。

现有技术中，数据信息中包括很多的特征，且互信息和覆盖率是特征选择的重要指标，因此常用的方式是通过计算每个特征的互信息和覆盖率，再根据数值大小定义阈值，对特征进行筛选。

然而，作为特征的数据信息往往有在时间上分布不稳定的特点，对于时间分布不稳定的特征很难被筛选出来，导致特征训练处的模型效果不好。

发明内容

本申请实施例提供一种特征的筛选方法、装置、设备和存储介质，以解决上述对于时间分布不稳定的特征很难被筛选出来，导致特征训练处的模型效果不好的问题。

本申请第一方面提供一种特征的筛选方法，所述方法包括：

获取待筛选的多个样本，每个样本中包括至少一个类型的特征；

根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率；

根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标；

根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选。

在一种具体实施方式中，每个样本中还包括特征的时间信息，所述根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率，包括：

根据每个样本中的特征的时间信息，按照所述时间间隔，将每个样本分割成多个时间段的的子样本；

计算每个子样本中每个类型的特征的互信息和覆盖率。

在一种具体实施方式中，所述根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标，包括：

针对每个类型的特征，计算多个时间段对应的互信息和覆盖率的方差值；所述稳定性指标包括所述方差值。

在一种具体实施方式中，所述根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选，包括：

将所述多个样本中，稳定性指标小于预设阈值的特征进行过滤，得到稳定性高于所述阈值的至少一个类型的特征。

本申请第二方面提供一种特征的筛选装置，包括：

获取模块，用于获取待筛选的多个样本，每个样本中包括至少一个类型的特征；

处理模块，用于根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率；

所述处理模块还用于根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标；

筛选模块，用于根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选。