特征的筛选方法、装置、设备和存储介质制造方法及图纸

本申请提供一种特征的筛选方法、装置、设备和存储介质，该方案中，电子设备获取待筛选的多个样本，每个样本中包括至少一个类型的特征，根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率，根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标，根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选，通过计算在不同时间段上稳定性衡量的动态指标来做特征选择，可有效提升建模效果，提高模型准确度。

【技术实现步骤摘要】
特征的筛选方法、装置、设备和存储介质
本申请实施例涉及大数据
，尤其涉及一种特征的筛选方法、装置、设备和存储介质。
技术介绍
随着大数据技术的发展，海量数据的不断丰富，越来越多的数据信息被应用到机器学习的应用中，需要使用这些数据信息进行模型构建。机器学习可以用于多种场景，比如目前互联网中的推荐系统，搜索系统等，而为了训练到更准确地模型，需要对采集得到的数据中的特征进行各种指标的识别，并对特征进行筛选。现有技术中，数据信息中包括很多的特征，且互信息和覆盖率是特征选择的重要指标，因此常用的方式是通过计算每个特征的互信息和覆盖率，再根据数值大小定义阈值，对特征进行筛选。然而，作为特征的数据信息往往有在时间上分布不稳定的特点，对于时间分布不稳定的特征很难被筛选出来，导致特征训练处的模型效果不好。
技术实现思路
本申请实施例提供一种特征的筛选方法、装置、设备和存储介质，以解决上述对于时间分布不稳定的特征很难被筛选出来，导致特征训练处的模型效果不好的问题。本申请第一方面提供一种特征的筛选方法，所述方法包括：本文档来自技高网...

【技术保护点】
1.一种特征的筛选方法，其特征在于，所述方法包括：/n获取待筛选的多个样本，每个样本中包括至少一个类型的特征；/n根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率；/n根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标；/n根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选。/n

【技术特征摘要】
1.一种特征的筛选方法，其特征在于，所述方法包括：
获取待筛选的多个样本，每个样本中包括至少一个类型的特征；
根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率；
根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标；
根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选。


2.根据权利要求1所述的方法，其特征在于，每个样本中还包括特征的时间信息，所述根据预设时间间隔，获取不同时间段内的每个类型的特征的互信息和覆盖率，包括：
根据每个样本中的特征的时间信息，按照所述时间间隔，将每个样本分割成多个时间段的的子样本；
计算每个子样本中每个类型的特征的互信息和覆盖率。


3.根据权利要求2所述的方法，其特征在于，所述根据每个时间段内的每个类型的特征的互信息和覆盖率，获取每个类型特征的稳定性指标，包括：
针对每个类型的特征，计算多个时间段对应的互信息和覆盖率的方差值；所述稳定性指标包括所述方差值。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据每个类型的特征的稳定性指标，对所述多个样本中的特征进行筛选，包括：
将所述多个样本中，稳定性指标小于预设阈值的特征进行过滤，得到稳定性高于所述阈值的至少一个类型的特征。


5.一种特征的筛选装置，其特征在于，包括：
获取模块，用于获取待筛选的多个样本，每个样本中包括至少一个类...

【专利技术属性】
技术研发人员：王倩，徐晓飞，杨海华，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11