[发明专利]特征合成方法与装置

说明书

本申请实施例提供一种特征合成方法与装置，该方法包括：获取用户输入的配置文件，所述配置文件包括原数据的存储路径；根据所述原数据的存储路径，获得所述原数据；获取所述原数据的特征定义信息，所述特征定义信息用于指示所述原数据的特征计算逻辑；根据所述原数据的特征定义信息，对所述原数据进行特征合成，得到所述原数据的多个合成特征。即本申请实施例实现特征合成的自动化，解决了人工进行特征合成时费时费力，且合成的特征数量有限的问题。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种特征合成方法与装置。

背景技术

机器学习的应用需要大量的人工干预，这些人工干预表现在：特征提取、模型选择、参数调节等机器学习的各个方面。为了降低机器学习中人工的干预，AutoML(AutomatedMachine Learning，机器自动学习)应用而生，AutoML用于将与特征、模型、优化、评价有关的重要步骤进行自动化地学习，使得机器学习模型无需人工干预即可被应用。

特征工程是AutoML的核心组成部分，包括特征合成、特征生成、特征筛选等步骤。其中，特征合成是生产新特征的重要手段。其针对数据，通过有经验的建模人员所设计的不同变换操作产出新特征。通常情况下，建模人员大部分工作是围绕特征展开的，为了提高建模效果，会尝试不同的特征。

当前主流的特征合成方法是通过人工设计进行特征合成，即指建模人员自行根据应用场景和建模经验设计和实现不同的特征合成算子，产出新特征。但是，人工进行特征合成不仅费时费力，且合成的特征数量有限。

发明内容

本申请实施例提供一种特征合成方法与装置，用于提高微服务之间的调度可靠性。

第一方面，本申请实施例提供一种特征合成方法，包括：

获取用户输入的配置文件，所述配置文件包括原数据的存储路径；

根据所述原数据的存储路径，获得所述原数据；

获取所述原数据的特征定义信息，所述特征定义信息用于指示所述原数据的特征计算逻辑；

根据所述原数据的特征定义信息，对所述原数据进行特征合成，得到所述原数据的多个合成特征。

在第一方面的一种可能的实现方式中，所述获取所述原数据的特征定义信息，包括：

在检测到所述用户输入特征定义文件时，从所述特征定义文件中获得所述原数据的特征定义信息；

在未检测到所述用户输入特征定义文件时，确定所述原数据对应的第一特征算子，根据所述原数据对应的第一特征算子和所述原数据，得到所述原数据的特征定义信息。

在第一方面的一种可能的实现方式中，所述确定所述原数据对应的第一特征算子，包括：

获取所述用户输入的自定义算子文件，根据所述自定义算子文件，生成所述原数据对应的第一特征算子；和/或，

根据所述配置文件中所述用户指定的第二特征算子信息，获得所述第二特征算子，根据所述第二特征算子确定所述原数据对应的第一特征算子。

在第一方面的一种可能的实现方式中，所述根据所述原数据对应的第一特征算子和所述原数据，得到所述原数据的特征定义信息，包括：

基于所述原数据对应的第一特征算子和预设的特征合成原理，得到所述原数据的合成特征的数量阈值和所述合成特征的计算逻辑；

根据所述合成特征的数量阈值和所述合成特征的计算逻辑，形成所述特征定义信息。

在第一方面的一种可能的实现方式中，所述根据所述原数据的特征定义信息，对所述原数据进行特征合成，得到所述原数据的多个合成特征，包括：