[发明专利]一种用于机器学习的特征处理方法和系统在审
申请号: | 201911065763.3 | 申请日: | 2019-11-04 |
公开(公告)号: | CN110781978A | 公开(公告)日: | 2020-02-11 |
发明(设计)人: | 马健;钟文亮 | 申请(专利权)人: | 支付宝(杭州)信息技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/12;G06N20/00 |
代理公司: | 51253 成都七星天知识产权代理有限公司 | 代理人: | 杨永梅 |
地址: | 310000 浙江省杭州市*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 算子 基础特征 机器学习 目标特征 遗传规划算法 初始种群 候选特征 特征组合 种群 特征处理 遗传操作 特征集 运算 优化 | ||
1.一种用于机器学习的特征处理方法,包括:
从基础特征集中获取多个候选特征以及从基础算子集中获取多个候选算子,将所述多个候选特征和多个候选算子组成多个初始特征组合;
将所述多个初始特征组合作为遗传规划算法的初始种群,采用遗传规划算法对所述初始种群进行遗传操作,得到优化后的目标种群;
基于所述优化后的目标种群得到目标特征组合,所述目标特征组合用基础特征和基础算子的计算结果来表示;其中基础特征属于所述基础特征集,基础算子属于所述基础算子集;
将所述目标特征组合作为机器学习的一个特征参与机器学习的运算。
2.根据权利要求1所述的方法,所述方法还包括采用树编码编码所述候选特征和所述候选算子得到候选特征树,将所述候选特征树作为遗传规划算法的初始种群;
其中,所述候选特征树的叶子节点为候选特征,非叶子节点为候选算子。
3.根据权利要求1所述的方法,所述多个初始特征组合作为所述初始种群中的多个个体,所述将所述多个初始特征组合作为遗传规划算法的初始种群,采用遗传规划算法对所述初始种群进行遗传操作,得到优化后的目标种群,包括:
评估种群中每个个体的适应度,确定适应度最优的至少一个个体;
对所述适应度最优的至少一个个体进行遗传操作,得到新的种群;
判断是否满足终止条件,如果不满足,则返回评估每个个体的适应度的步骤;如果满足,则得到目标种群。
4.根据权利要求3所述的方法,所述遗传操作包括以下至少一种:
将个体中的候选特征和候选算子作为基因进行基因交叉、基因变异和基因复制。
5.根据权利要求3所述的方法,所述评估每个个体的适应度,包括评估以下至少一项:
个体与样本标签的相关性;
个体的接收者操作特性曲线的曲线下面积;
个体应用于不同地区数据得到的结果的方差。
6.根据权利要求3所述的方法,所述终止条件包括以下至少一个:
达到设定进化轮次;
最新一轮进化所确定的适应度最优的至少一个个体的适应度达到设定阈值。
7.根据权利要求1所述的方法,所述候选算子包括以下至少一个:+、-、*、/、^、ln、least和greatest。
8.根据权利要求1所述的方法,所述初始种群与业务内容相关。
9.根据权利要求1所述的方法,所述特征组合对应符号回归方程。
10.根据权利要求1所述的方法,所述多个候选特征为与老用户拉动新用户有关的特征;
所述多个初始特征组合和所述目标特征组合为与老用户拉动新用户有关的特征组合;
所述将所述目标特征组合作为机器学习的一个特征参与机器学习的运算,包括:通过机器学习处理所述目标特征组合,预测老用户带来的新用户数量。
11.一种用于机器学习的特征处理系统,所述系统包括:
获取模块,用于从基础特征集中获取多个候选特征以及从基础算子集中获取多个候选算子;
初始特征组合生成模块,用于将所述多个候选特征和多个候选算子组成多个初始特征组合;
遗传规划模块,用于将所述多个初始特征组合作为遗传规划算法的初始种群,采用遗传规划算法对所述初始种群进行遗传操作,得到优化后的目标种群;
目标特征组合确定模块,用于基于所述优化后的目标种群得到目标特征组合,所述目标特征组合用基础特征和基础算子的计算结果来表示;其中基础特征属于所述基础特征集,基础算子属于所述基础算子集;所述目标特征组合能够作为机器学习的一个特征参与机器学习的运算。
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支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,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/pat/books/201911065763.3/1.html,转载请声明来源钻瓜专利网。