一种样本特征选择方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113919510A(43)申请公布日2022.01.11(21)申请号202111281688.1(22)申请日2021.11.01(71)申请人上海勃池信息技术有限公司地址200000上海市嘉定区南翔镇银翔路515号10层1011室-1(72)发明人周玉(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人董艳芳(51)Int.Cl.G06N20/00(2019.01)权利要求书3页说明书17页附图4页(54)发明名称一种样本特征选择方法、装置、设备及介质(57)摘要本申请公开了一种样本特征选择方法、装置、设备及介质，应用于人工智能技术领域，用以解决现有技术中的样本特征选择方法存在样本特征选择的准确性较差的问题。具体为：获取各个样本特征的信息量检测结果、单调性检测结果、稳定性检测结果、重要性检测结果和相关性检测结果，并基于各个样本特征的信息量检测结果、单调性检测结果、稳定性检测结果、重要性检测结果和相关性检测结果，从各个样本特征中选取目标样本特征。这样，通过从信息量、单调性、稳定性、重要性和相关性各方面，综合评估样本特征的可选性，不仅可以缓解关键样本特征丢失的问题，还可以提升样本特征选择的准确性。CN113919510ACN113919510A权利要求书1/3页1.一种样本特征选择方法，其特征在于，包括：基于各个样本特征的好样本数量占比和坏样本数量占比，确定所述各个样本特征的信息量检测结果；基于所述各个样本特征的实际样本分布和基准样本分布，确定所述各个样本特征的单调性检测结果；基于所述各个样本特征的训练样本数量占比和验证样本数量占比，确定所述各个样本特征的稳定性检测结果；基于所述各个样本特征的训练样本，采用重要性检测模型，确定所述各个样本特征的重要性检测结果；基于所述各个样本特征的训练样本，采用相关性检测方式，确定所述各个样本特征的相关性检测结果；基于所述各个样本特征的信息量检测结果、单调性检测结果、稳定性检测结果、重要性检测结果和相关性检测结果，从所述各个样本特征中选择目标样本特征。2.如权利要求1所述的样本特征选择方法，其特征在于，基于各个样本特征的好样本数量占比和坏样本数量占比，确定所述各个样本特征的信息量检测结果，包括：针对所述各个样本特征，基于所述样本特征对应的各个特征分箱的好样本数量占比、坏样本数量占比，确定所述各个特征分箱的证据权重，并基于所述各个特征分箱的好样本数量占比、坏样本数量占比和证据权重，确定所述各个特征分箱的信息量，以及基于所述各个特征分箱的信息量，确定所述样本特征的信息量并作为所述样本特征的信息量检测结果。3.如权利要求1所述的样本特征选择方法，其特征在于，基于所述各个样本特征的实际样本分布和基准样本分布，确定所述各个样本特征的单调性检测结果，包括：针对所述各个样本特征，基于所述样本特征的训练样本中好样本的实际样本分布与基准样本分布是否一致，确定所述样本特征的单调性检测结果；或者，针对所述各个样本特征，基于所述样本特征的训练样本中坏样本的实际样本分布与基准样本分布是否一致，确定所述样本特征的单调性检测结果。4.如权利要求1所述的样本特征选择方法，其特征在于，基于所述各个样本特征的训练样本数量占比和验证样本数量占比，确定所述各个样本特征的稳定性检测结果，包括：针对所述各个样本特征，基于所述样本特征对应的各个特征分箱的训练样本数量占比、验证样本数量占比，确定所述各个特征分箱的特征稳定性指标，基于所述各个特征分箱的特征稳定性指标，确定所述样本特征的特征稳定性指标并作为所述样本特征的稳定性检测结果。5.如权利要求1所述的样本特征选择方法，其特征在于，基于所述各个样本特征的训练样本，采用重要性检测模型，确定所述各个样本特征的重要性检测结果，包括：将所述各个样本特征的训练样本输入一个重要性检测模型，得到包含所述各个样本特征的重要性得分的重要性检测结果；或者，将所述各个样本特征的训练样本多次输入一个重要性检测模型，得到多个包含所述各个样本特征的重要性得分的重要性检测结果；或者，将所述各个样本特征的训练样本分别输入至少两个重要性检测模型，得到至少两个包2CN113919510A权利要求书2/3页含所述各个样本特征的重要性得分的重要性检测结果。6.如权利要求1所述的样本特征选择方法，其特征在于，所述相关性检测方式包括两两相关性检测算法和/或多重共线性检测算法；基于所述各个样本特征的训练样本，采用相关性检测方式，确定所述各个样本特征的相关性检测结果，包括：基于所述各个样本特征的训练样本，采用两两相关性检测算法，得到每两个样本特征之间的两两相关性得分并作为所述各个样本特征的相关性检测结果；和/或，基于所述各个样本特征