【技术实现步骤摘要】
本专利技术属于复杂数据预测，具体涉及一种基于关键信息的多视野学习的复杂数据预测方法及装置。
技术介绍
1、很多常见的信息，比如用户信息、信用记录等，以表格的形式被存储。目前，表格数据是金融行业最常见的信息，比如历史信息，身份表征信息。然而，这些表格数据经常面临着特征与标签之间的相关性较低，这意味着特征中的大部分信息对于预测任务并不具有显著的影响力，而存在着仅有一小部分特征与标签之间存在一定关联的情况。在这种情况下，传统的机器学习方法可能无法充分利用数据中的有效信息，从而导致预测性能的下降。
2、现有的研究通常基于特征筛选、特征组合和交互以及增量式特征的方法来解决相关问题。首先特征筛选策略来过滤关键信息，以降低不重要特征和冗余的特征对模型预测的干扰。当前基于一些研究报道遗传算法、随机森林(random forest，rf)或正则化策略的特征选择有利于模型性能。然而，基于单一角度的特征筛选策略容易导致信息丢失。此外，通过特征组合和交互可以捕捉到更多的特征关系，提高模型的表现。然而这会增加特征空间的维度，可能导致计算复杂度的增加。...
【技术保护点】
1.一种基于关键信息的多视野学习的复杂数据预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
3.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
4.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
5.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
6.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
7.根据权利...
【技术特征摘要】
1.一种基于关键信息的多视野学习的复杂数据预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
3.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
4.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
5.根据权利要求1所述的基于关键信息的多视野学习的复杂数据预测方法，其特征在于：
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。