[发明专利]一种基于数据特征及层次分析法的算法推荐方法

说明书

本发明公开了一种基于数据特征及层次分析法的算法推荐方法，根据数据特征，包括数据量大小、有无标签、预测结果是否为数值型等特征，进行初步的分类、聚类、回归、降维识别。当在同一类别下，最后无法自动识别剩余的几种算法哪种最优时，使用层次分析法来对剩余的算法进行综合评价，不同类别算法的准则层略有不同，根据算法的评分排序，选出最优的算法模型，进行推荐。

技术领域

本发明属于机器学习算法领域，具体涉及一种基于数据特征及层次分析法的算法推荐方法，该技术基于数据特征及层次分析法，智能化的为用户推荐合适的机器学习算法，供用户参考使用。

背景技术

近年来,随着信息化进程的不断深化,数据挖掘技术已经在越来越多领域中取得到了应用,机器学习已成为各界研究的热点,其应用领域也在迅速扩展。机器学习在电力、金融、商业等领域既有成功的典范,也有不少失败的案例。究其原因,很重要的一个因素就是机器学习的算法选择较为盲目，导致算法使用的不甚合理。

目前，机器学习的过程通常由专家指导来完成,这种工程式的方法浪费了大量的时间,而且对于机器学习使用者有较高的要求。通常一个有经验的挖掘者可以为所要研究的数据集找到合适的算法进行处理。但是用于机器学习的新手用户来说,要处理好数据和相应的数据挖掘流程是相当困难的,因此,用户需要“一键式”的算法推荐框架,根据输入的数据集特征，进行智能化算法推荐。

发明内容

本发明目的在于提供一种基于数据特征及层次分析法的算法推荐方法，根据数据特征，包括数据量大小、有无标签、预测结果是否为数值型等特征，进行初步的分类、聚类、回归、降维识别。当在同一类别下，最后无法自动识别剩余的几种算法何种最优时，便使用层次分析法来对剩余的算法进行综合评价，选出最优的算法模型，进行推荐。

为了解决以上技术问题，本发明的技术方案：

一种基于数据特征及层次分析法的算法推荐方法，包括以下步骤：

获取数据；

提取对应的数据的若干特征，进行预分类，预分类中至少完成对数据的初步的分类、聚类、回归、降维识别；

对预分类后的数据推荐对应算法，当各类别算法识别到最后无法抉择最终的同类算法何种最优时，则根据层次分析法来进行综合评价，根据得分排序，来推荐出最优的算法。

在本发明的一个优选实施例中，所述数据的若干特征包括数据的样本量大小、有无标签、预测结果是否为数值型特征。

在本发明的一个优选实施例中，其特征在于，包括以下步骤：

步骤1：判断数据的样本量；

步骤2：判断数据预测结果是否为类别；

步骤3：判断数据是否含有标签值列；

步骤4：若步骤3判断数据集有标签列，进行分类算法的推荐；

步骤5：若步骤3判断数据集没有标签列，进行聚类算法推荐；

步骤6：判断预测的结果是否为数值型数据；

步骤7：若步骤6是数值型数据，进行回归算法推荐；

步骤8：若步骤6不是数值型数据，进行探索性数据分析。

步骤9：若前述步骤仍无法抉择出最优算法，则采用层次分析法对若干候选算法其进行综合评价，基于综合评价所得分数，按从高到低的顺序，推荐出最优算法。

在本发明的一个优选实施例中，若步骤1中的样本量小于50行，则需要获取更多的数据。