摘要: 本发明公开了一种基于名义属性的连续型特征构造方法,具体包括以下步骤:
本发明不仅适用于具有“用户-物品”对的场景,同时也适用于更为一般的带有名义属性或分类变量特征的分类和回归预测问题。与传统的One-Hot和Dummy编码相比,本发明所产生的特征使得样本之间差异更加明显,且特征具有较强的可解释性。
| 专利名称 | 一种基于名义属性的连续型特征构造方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201710034428.1 |
| 申请号 | - | 专利申请日期 | 2017-01-17 |
| 专利授权日期 | 2017-06-27 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 董守斌;马雅从;张晶;胡金龙 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了一种基于名义属性的连续型特征构造方法,包括步骤:1)数据预处理;2)根据业务背景知识设置特征构造框架;3)产生具体的特征构造路径;4)根据特征构造路径构造相应的特征并产生训练集;5)对训练集进行特征选择并构建预测模型;6)将相关的数据集以及预测模型保存并结束离线训练过程;7)将需要进行线上预测的样本数据进行预处理以及特征提取;8)利用离线训练得到的预测模型对样本进行预测。本发明不仅可以应用于具有“用户‑物品”对的场景,同时也适用于更为一般的带有名义属性或分类变量特征的分类和回归预测问题,与传统的One‑Hot和Dummy编码相比,本发明所产生的特征使得样本之间差异更加明显,产生的特征具有较强的可解释性。 | ||