【技术实现步骤摘要】
本申请涉及人工智能处理，尤其涉及一种数据处理方法、装置及设备。
技术介绍
1、在机器学习过程中，通常会通过矩阵来存储数据的特征，并将矩阵作为训练数据进行模型的训练处理。在一些场景中，矩阵中零值元素的数量会远远大于非零元素的数量，该矩阵可以称为稀疏矩阵。例如，在电子商务领域中，商品有成千上万种，由于每个客户不可能把所有商品都购买一遍，因此客户的购买记录只是对海量商品中的一小部分商品的购买记录，当矩阵中的元素表示用户对商品的购买数量时，基于多个客户的购买记录所生成的矩阵中，零值元素的数量会远远大于非零元素的数量，即生成的矩阵为稀疏矩阵。若将该稀疏矩阵确定为训练数据并进行模型训练，不仅会增加模型的学习难度，而且会降低模型性能。
技术实现思路
1、本申请提供一种数据处理方法、装置及设备，以提升矩阵稀疏性评估的有效性，从而为机器学习提供便于学习的、矩阵形式的训练数据，降低模型的学习难度并提升模型性能。
2、第一方面，本申请实施例提供了一种数据处理方法，包括：
3、获取待处理的...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述特征值在所述目标矩阵中的位置信息及所述特征值，生成所述目标矩阵的第一评估数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述向量所包含的特征值，确定所述向量的特征值波动信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据每个向量的特征值波动信息，生成所述目标矩阵的第一评估数据，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于特征值约束信息及所述特征值，生成所述目标矩阵的第二评估数据
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述特征值在所述目标矩阵中的位置信息及所述特征值，生成所述目标矩阵的第一评估数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述向量所包含的特征值，确定所述向量的特征值波动信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据每个向量的特征值波动信息，生成所述目标矩阵的第一评估数据，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于特征值约束信息及所述特征值，生成所述目标矩阵的第二评估数据，包括：
6.根据权利要求5所述的方法，其特征...
【专利技术属性】
技术研发人员：李长林，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：
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。