买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古卫数数据科技有限公司

摘要：本发明公开了一种基于机器学习的特征增强方法，属于数据处理技术领域。基于机器学习的特征增强方法包括以下步骤：S1、数据获取，获取用于预测的阴性、阳性两类数据集；S2、数据处理，将数据处理成结构化二维表或矩阵，获得处理后数据集；S3、原模型训练，将处理后的数据集输入模型进行训练，得到分类识别结果；S4、权重获取，通过隐藏与打乱目标特征值，输入原模型进行预测，与原分类识别结果做差获得权重；S5、扩维特征，计算所有特征的总权重，生成扩维特征的数值；S6、将扩维特征输入模型进行训练，验证扩维前后的效果。本发明采用上述一种基于机器学习的特征增强方法，通过对数据进行特征扩维，提升了模型分类效能。

主权项：1.一种基于机器学习的特征增强方法，其特征在于，包括以下步骤：S1、数据获取，获取用于预测的阴性、阳性两类数据集；S2、数据处理，将数据处理成结构化二维表或矩阵，对数据进行缺失值处理，数据标准化处理，获得处理后数据集；S3、原模型训练，将处理后的数据集输入模型进行训练，得到分类识别结果；S4、权重获取，分别通过隐藏与打乱特征值，输入原模型进行预测，与原分类识别结果做差获得权重；S5、扩维特征，计算所有特征的总权重，生成扩维新特征的数值；S6、将扩维新特征输入模型进行训练，验证扩维前后的效果；所述S2中，数据标准化处理公式为： 其中，xi为特征i下的所有数据；为特征i的均值；σi为特征i的标准差，n为特征总数；所述S3中，将处理后的数据集进行特征工程处理，特征工程后的数据利用神经网络训练分类任务，通过交叉验证训练后取模型准确率的均值A为原分类识别结果；所述S4中，针对数据集隐藏处理后的特征i下的一列数据i＝1,2,...,n，将剩余数据集输入到神经网络模型，交叉验证训练后得到特征i对应模型准确率的均值A1i，特征i的权重为ω1i＝A-A1i；所述S4中，针对数据集打乱处理后的特征i下的一列数据i＝1,2,...,n，将打乱后数据集输入到神经网络模型，交叉验证训练后得到特征i对应模型准确率的均值A2i，特征i的权重为ω2i＝A-A2i；所述S5中，扩维产生的新特征下的数据计算方式为：S51、计算特征i的总权重ωi＝ω1i+ω2iS52、基于特征i扩维新特征的数值按如下公式计算： 其中，xi为特征i下的所有数据，ωi为特征i的总权重，为扩维产生的新特征下的所有数据；S53、依次基于所有特征进行扩维计算。

全文数据：

权利要求：

百度查询： 内蒙古卫数数据科技有限公司 一种基于机器学习的特征增强方法