[发明专利]特征选择方法、装置、计算机设备及存储介质

说明书

本申请公开了一种特征选择方法、装置、计算机设备及存储介质，该方法包括：获取待选特征集，对所述待选特征集中的待选特征进行二进制编码得到编码后的待选特征，将编码后的待选特征作为染色体；对所述染色体进行随机划分，得到多个初始种群；对多个所述初始种群进行自然选择，以确定候选种群名单；采用基因算法对所述名单中候选种群的染色体进行进化操作，得到进化后的目标种群；根据所述目标种群得到目标特征组合。本申请能够节省计算资源，提升特征选择的准确度。

技术领域

本申请涉及人工智能技术领域，具体涉及一种特征选择方法、装置、计算机设备及存储介质。

背景技术

使用原始数据训练机器学习模型并不是合适的选择，这是因为原始数据包含冗余信息，一方面这些冗余信息对模型训练并无帮助，无法提高模型性能，另一方面这些冗余信息在模型训练时会消耗大量内存和计算能力，因此，特征选择至关重要。特征选择，也称特征子集选择，或属性选择，是指从多个特征中选出部分具有代表性的特征，以降低特征的维度，减少后续进行机器学习的计算量。

目前，常用的特征选择方法有人工挖掘，然而人工挖掘方式繁琐且耗时，准确性也不高。而其他的一些自动选择特征的方法，多是对低效特征组合的重复计算，有限的计算资源难以支持，且准确性难以保证。

发明内容

本申请实施例提供一种特征选择方法、装置、计算机设备及存储介质，旨在节省计算资源，提升特征选择的准确度。

第一方面，本申请实施例提供了一种特征选择方法，包括：

获取待选特征集，对所述待选特征集中的待选特征进行二进制编码得到编码后的待选特征，将编码后的待选特征作为染色体；

对所述染色体进行随机划分，得到多个初始种群；

对多个所述初始种群进行自然选择，以确定候选种群名单；

采用基因算法对所述名单中候选种群的染色体进行进化操作，得到进化后的目标种群；

根据所述目标种群得到目标特征组合。

第二方面，本申请实施例还提供了一种特征选择装置，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行上述的特征选择方法。

第三方面，本申请实施例还提供了一种计算机设备，所述计算机设备包括上述的特征选择装置。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述的特征选择方法。

本申请实施例提供了一种特征选择方法、装置、计算机设备及存储介质，该特征选择方法获取待选特征集，然后对待选特征集中的待选特征进行二进制编码得到编码后的待选特征，将编码后的待选特征作为染色体；对染色体进行随机划分，得到多个初始种群，再对多个初始种群进行自然选择，以确定候选种群名单，进一步采用基因算法对候选种群名单中候选种群的染色体进行进化操作，得到进化后的目标种群，最终根据进化后的目标种群得到目标特征组合，通过借鉴自然界中的进化过程实现特征选择，避免了对低效特征组合的重复计算，节省了计算资源，提高了特征选择的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请特征选择方法一实施例的流程示意图；

图2是本申请特征选择方法另一实施例的流程示意图；

图3是本申请特征选择方法又一实施例的流程示意图；