【技术实现步骤摘要】
降维模型训练方法、装置及电子设备
本专利技术涉及人工智能
，具体而言，涉及一种降维模型训练方法、装置及电子设备。
技术介绍
随着科学技术的发展，很多
需要采集和分析大量特征数据，但是，有时一些特征数据不是必须的，需要对他们处理，得到相对更有意义的较少的特征数据，这也即是降维的过程。目前，广泛采用的降维方法通常是将大批量的特征数据通过降维算法得到低维度的特征数据，但是该降维算法不能对一些新获取的特征数据进行降维算法得到预测，导致一些新获取的特征数据无法通过降维算法降到指定的维度。
技术实现思路
针对上述现有技术中存在的问题，本专利技术提供了一种降维模型训练方法、装置及电子设备，可以预测新的数据的维度。第一方面，本专利技术实施例提供了一种降维模型训练方法，其中，包括：获取特征数据；将所述特征数据输入降维算法，输出预设层级数量的特征结果；将所述特征数据输入待训练的降维模型，得到与所述特征结果相同预设层级数量的训练数据；根据所述训练数据和所述特征结果确定损失函数值；使用所述训练数据、所述特征结果和所述特征数据对所述待训练的降维模型进行训练，直至所述损失函数值收敛，...
【技术保护点】
1.一种降维模型训练方法，其特征在于，包括：获取特征数据；将所述特征数据输入降维算法，输出预设层级数量的特征结果；将所述特征数据输入待训练的降维模型，得到与所述特征结果相同预设层级数量的训练数据；根据所述训练数据和所述特征结果确定损失函数值；使用所述训练数据、所述特征结果和所述特征数据对所述待训练的降维模型进行训练，直至所述损失函数值收敛，结束训练，得到训练好的降维模型；所述训练好的降维模型用于对获取到的新的特征数据进行降维，得到预设层级数量的目标结果。
【技术特征摘要】
1.一种降维模型训练方法，其特征在于，包括：获取特征数据；将所述特征数据输入降维算法，输出预设层级数量的特征结果；将所述特征数据输入待训练的降维模型，得到与所述特征结果相同预设层级数量的训练数据；根据所述训练数据和所述特征结果确定损失函数值；使用所述训练数据、所述特征结果和所述特征数据对所述待训练的降维模型进行训练，直至所述损失函数值收敛，结束训练，得到训练好的降维模型；所述训练好的降维模型用于对获取到的新的特征数据进行降维，得到预设层级数量的目标结果。2.根据权利要求1所述的方法，其特征在于，所述获取特征数据之前，所述方法还包括：获取特征数据集；所述特征数据集包括所述特征数据和非特征数据；对所述特征数据集进行筛选，得到特征数据。3.根据权利要求1所述的方法，其特征在于，所述待训练的降维模型包括输入层、隐藏层和输出层；将所述特征数据输入待训练的降维模型，得到与所述特征结果相同预设层级数量的训练数据的步骤，包括：在所述输入层输入所述特征数据后，获取所述降维模型的总层数及每一层对应的向量；提取由所述隐藏层和所述输出层组成的线性系数矩阵和偏倚向量；根据所述每一层对应的向量、所述总层数、所述线性系数矩阵和所述偏倚向量确定与所述特征结果相同预设层级数量的训练数据。4.根据权利要求1所述的方法，其特征在于，所述训练数据和所述特征结果之间的损失函数值表示所述训练数据和所述特征结果的拟合程度。5.根据权利要求3或4所述的方法，其特征在于，使用所述训练数据、所述特征结果和所述特征数据对所述待训练的降维模型进行训练，直至所述损失函数值收敛，结束训练，得到训练好的降维模型的步骤，包括：为所述损失函数值设置预设条件；如果所述损失函数值超过所述预设条件，调整所述隐藏层的层数，以更新所述待训练的降维模型，直至所述损失...
【专利技术属性】
技术研发人员：贾杰，隋楷心，周子怡，
申请(专利权)人：树根互联技术有限公司，广州树根互联技术有限公司，江苏树根互联技术有限公司，北京树根互联科技有限公司，上海树根互联技术有限公司，长沙树根互联技术有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。