[发明专利]自动化特征工程模型的训练方法及自动化特征工程方法

说明书

本公开提供了一种自动化特征工程模型的训练方法及自动化特征工程方法，涉及机器学习等人工智能技术领域。该方法包括：获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；基于建模场景信息确定自动化特征工程策略；利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。本公开提供的自动化特征工程模型的训练方法训练得到了不同建模场景信息对应的自动化特征工程模型。

技术领域

本公开涉及人工智能技术领域，尤其涉及机器学习技术领域，具体涉及一种自动化特征工程模型的训练方法及自动化特征工程方法。

背景技术

数据清洗通过对原始数据集进行缺失值处理、异常值处理、去重处理、噪音处理、检查数据一致性等操作来提高数据质量。特征工程,是指用一系列工程化的方式从原始数据中筛选出更好的数据特征,以提升模型的训练效果。一个预测模型的性能很大程度上取决于数据清洗和特征工程的质量。

发明内容

本公开提供了一种自动化特征工程模型的训练方法及自动化特征工程方法。

根据本公开的第一方面，提供了一种自动化特征工程模型的训练方法，包括：获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；基于建模场景信息确定自动化特征工程策略；利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。

根据本公开的第二方面，提供了一种自动化特征工程方法，包括：获取待处理数据对应的目标建模场景信息；确定目标建模场景信息对应的自动化特征工程模型；将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

根据本公开的第三方面，提供了一种自动化特征工程模型的训练装置，包括：第一获取模块，被配置成获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；第一确定模块，被配置成基于建模场景信息确定自动化特征工程策略；训练模块，被配置成利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。

根据本公开的第四方面，提供了一种自动化特征工程装置，包括：第二获取模块，被配置成获取待处理数据对应的目标建模场景信息；第三确定模块，被配置成确定目标建模场景信息对应的自动化特征工程模型；输出模块，被配置成将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第二方面中任一实现方式描述的方法。

根据本公开的第六方面，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，计算机指令用于使计算机执行如第一方面或第二方面中任一实现方式描述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。

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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的自动化特征工程模型的训练方法的一个实施例的流程图；

图3是根据本公开的自动化特征工程模型的训练方法的另一个实施例的流程图；

图4是根据本公开的自动化特征工程方法的一个实施例的流程图；

图5是根据本公开的自动化特征工程方法的另一个实施例的流程图；