[发明专利]数据处理方法及相关装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

接收管理节点发送的目标领域的目标训练数据集，所述目标训练数据集包括多个原始特征，所述目标训练数据集是k个训练数据集中的一个训练数据集，每个训练数据集对应一个时间周期，每个训练数据集包含的原始特征的特征标识相同，k为正整数；

调用所述目标领域对应的特定分布函数，生成所述目标训练数据集的第一随机特征；

根据所述第一随机特征，对所述目标训练数据集中的每个原始特征进行特征贡献评估处理，得到每个原始特征的特征类型；

根据所述每个原始特征的特征类型从所述多个原始特征中筛选出目标特征；

将筛选出的目标特征发送至所述管理节点，以使所述管理节点根据k个时间周期的目标特征确定筛选特征。

2.如权利要求1所述的方法，其特征在于，所述特征类型包括接受特征类型、拒绝特征类型和待定特征类型；所述根据所述每个原始特征的特征类型从所述多个原始特征中筛选出目标特征，包括：

根据所述每个原始特征的特征类型，调整接受特征列表、拒绝特征列表以及待定特征列表，一个特征列表对应一种特征类型；

当满足迭代停止条件时，将所述接受特征列表和所述待定特征列表中记录的原始特征作为所述目标特征；

当不满足迭代停止条件时，将所述接受特征列表和所述待定特征列表中记录的原始特征组合为新的目标训练数据集。

3.如权利要求2所述的方法，其特征在于，

当所述目标训练数据集的累积迭代次数达到预设迭代次数时，则确定满足所述迭代停止条件；或者，

当所述接受特征列表、所述拒绝特征列表以及所述待定特征列表均不发生变化时，则确定满足所述迭代停止条件。

4.如权利要求1所述的方法，其特征在于，所述根据所述第一随机特征，对所述目标训练数据集中的每个原始特征进行特征贡献评估处理，得到每个原始特征的特征类型，包括：

对所述目标训练数据集中的多个原始特征的特征值进行随机重排，确定多个第二随机特征；

调用特征打分模型对所述第一随机特征、所述多个第二随机特征和所述目标训练数据集中的每个原始特征进行特征贡献评估处理，得到各个原始特征的评估分、所述第一随机特征的评估分、以及各个第二随机特征的评估分；

根据所述各个原始特征的评估分、所述第一随机特征的评估分、以及各个第二随机特征的评估分，对所述每个原始特征进行特征校正处理，得到每个原始特征的特征类型。

5.如权利要求4所述的方法，其特征在于，所述根据所述各个原始特征的评估分、所述第一随机特征的评估分、以及各个第二随机特征的评估分，对所述每个原始特征进行特征校正处理，得到每个原始特征的特征类型，包括：

根据所述各个原始特征的评估分、各个第一随机特征的评估分、以及各个第二随机特征的评估分，对所述每个原始特征进行特征重要性评估，得到所述每个原始特征的试验成功次数；

基于所述每个原始特征的试验成功次数，对所述每个原始特征进行特征校正处理，得到所述每个原始特征的校正结果；

根据所述每个原始特征的校正结果，得到每个原始特征的特征类型。

6.如权利要求5所述的方法，其特征在于，所述根据所述各个原始特征的评估分、所述第一随机特征的评估分、以及各个第二随机特征的评估分，对所述每个原始特征进行特征重要性评估，得到所述每个原始特征的试验成功次数，包括：

根据所述第一随机特征的评估分、以及各个第二随机特征的评估分，确定出最高的目标评估分；

若任一个原始特征的评估分高于所述目标评估分，则调整所述任一个原始特征的试验成功次数。

7.如权利要求5所述的方法，其特征在于，所述基于所述每个原始特征的试验结果，对所述每个原始特征进行特征校正处理，得到所述每个原始特征的校正结果，包括：

获取所述目标训练数据集的累积迭代次数；

根据任一个原始特征的试验成功次数和所述累积迭代次数，确定所述任一个原始特征的待校正显著水平值；

对所述任一个原始特征的待校正显著水平值进行校正处理，得到所述任一个原始特征的校正结果。