[发明专利]基于特征选择的模型检测方法

摘要

本发明公开了一种基于特征选择的模型检测方法，包括：对原始数据集进行分割；采用训练集训练模型；利用模型预测训练集和验证集，得到预测误差；删除特征得到新的训练集，利用模型预测新的训练集，得到预测误差；将j+1赋值为j，返回上一步，直至取值为C执行下一步；计算新的训练集与训练集的预测误差距离；对距离进行排序，查找G个最小距离对应的特征；将特征序号保存至删除特征序列中，在训练集和验证集中删除特征；将C-G赋值为C，返回第二步，直至C≤G执行下一步；根据预测误差得到序号K，将前K-1个特征从训练集和测试集中删除；采用删除特征后的训练集训练新的模型，利用新的模型预测删除特征后的测试集，得到预测误差。

主权项

一种基于特征选择的模型检测方法，其特征在于，包括以下步骤：S₁、对原始数据集进行随机分割，并将分割后的数据放入原始训练集、验证集和测试集中；S₂、采用原始训练集训练一个模型；S₃、利用所述模型预测原始训练集和验证集，分别得到原始训练集的预测误差和验证集的预测误差；S₄、删除原始训练集中的第j个特征以得到一个新的训练集，利用所述模型预测所述新的训练集，得到新的训练集的预测误差，其中j的初始值为1；S₅、将j+1赋值为j，并返回步骤S₄，直至j取值为C时执行步骤S₆，其中C表示原始数据集的特征数；S₆、计算C组新的训练集的预测误差与原始训练集的预测误差之间的距离；S₇、对计算出的距离进行排序，并查找G个最小距离所对应的特征，其中G表示删除粒度，G为自然数，且1≤G≤C‑1；S₈、将查找出的特征的序号保存至删除特征序列中，并在原始训练集和验证集中删除查找出的特征；S₉、将C‑G赋值为C，并返回步骤S₂，直至C≤G时执行步骤S₁₀；S₁₀、根据验证集的预测误差得到一个最小误差值所对应的序号K，将删除特征序列中的前K‑1个特征从原始训练集和测试集中删除；S₁₁、采用删除前K‑1个特征后的训练集训练一个新的模型，并利用新的模型预测删除前K‑1个特征后的测试集，以得到测试集的预测误差。