[发明专利]一种特征编码方法、装置、设备和介质

说明书

本公开提供了一种特征编码方法、装置、设备、介质和程序产品，涉及机器学习技术领域，尤其涉及智慧金融、人工智能和深度学习技术。具体实现方案为：根据多个对象的样本数，和至少两种类别下多个对象的样本数，计算多个对象在至少两种类别中的第一权重，其中，所述模型训练的目标是使模型在至少两种类别中对输入的对象进行分类；根据第一权重对多个对象进行分箱，得到多个对象分箱；根据多个对象分箱的样本数，和至少两种类别下多个对象分箱的样本数，计算多个对象分箱在至少两种类别中的第二权重，并将多个对象分箱的第二权重作为多个对象分箱的特征取值。本公开可以提升稀疏特征的覆盖度、单调性和区分度，从而增强模型训练效果。

技术领域

本公开涉及机器学习技术领域，尤其涉及智慧金融、人工智能和深度学习技术，具体涉及一种特征编码方法、装置、设备、介质和程序产品。

背景技术

在机器学习领域中，需要对样本数据进行特征编码后再对模型进行训练。特征编码的优劣直接影响模型的训练效果。

针对执行分类任务的线性模型的训练，现有的特征编码方法中，通常特征维度高，且对于样本覆盖率低的类别，在应用于建模时，这些稀疏样本的特征区分度和贡献度极低，使得模型无法对该类别进行准确识别。

发明内容

本公开提供了一种特征编码方法、装置、设备、介质和程序产品。

根据本公开的一方面，提供了一种特征编码方法，包括：

根据多个对象的样本数，和至少两种类别下所述多个对象的样本数，计算所述多个对象在所述至少两种类别中的第一权重，其中，所述模型训练的目标是使所述模型在所述至少两种类别中对输入的对象进行分类；

根据所述第一权重对所述多个对象进行分箱，得到多个对象分箱；

根据所述多个对象分箱的样本数，和所述至少两种类别下所述多个对象分箱的样本数，计算所述多个对象分箱在所述至少两种类别中的第二权重，并将所述多个对象分箱的第二权重作为所述多个对象分箱的特征取值。

根据本公开的另一方面，提供了一种特征编码装置，包括：

第一权重计算模块，用于根据多个对象的样本数，和至少两种类别下所述多个对象的样本数，计算所述多个对象在所述至少两种类别中的第一权重，其中，所述模型训练的目标是使所述模型在所述至少两种类别中对输入的对象进行分类；

分箱模块，用于根据所述第一权重对所述多个对象进行分箱，得到多个对象分箱；

第二权重计算模块，用于根据所述多个对象分箱的样本数，和所述至少两种类别下所述多个对象分箱的样本数，计算所述多个对象分箱在所述至少两种类别中的第二权重，并将所述多个对象分箱的第二权重作为所述多个对象分箱的特征取值。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任意实施例所述的特征编码方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本公开任意实施例所述的特征编码方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开任意实施例所述的特征编码方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明