申请/专利权人：中移动信息技术有限公司;中国移动通信集团有限公司

申请日：2021-05-27

公开（公告）日：2022-11-29

公开（公告）号：CN115409202A

主分类号：G06N20/20

分类号：G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.16#实质审查的生效;2022.11.29#公开

摘要：本发明提供一种基于联邦学习的特征选择方法及装置，所述方法包括：获取多个初始特征，构成初始特征集，并将初始特征集加入特征组合集；特征子集确定步骤：依次遍历初始特征集中的各初始特征，并在每次遍历时剔除对应的初始特征，得到特征子集；特征评估步骤：计算各特征子集对应的评估值，将最大评估值对应的特征子集添加至特征组合集；以最大评估值对应的特征子集作为初始特征集，循环执行特征子集确定步骤和特征评估步骤，直至初始特征集中的特征个数达到阈值；基于特征组合集，确定特征组合集中各特征对应的沙普利值，并选取沙普利值大于预设值的特征作为联邦学习的样本特征。本发明能够大幅度减少运算量，提升计算效率。

主权项：1.一种基于联邦学习的特征选择方法，其特征在于，包括：初始特征确定步骤：获取多个初始特征，构成初始特征集，并将所述初始特征集加入特征组合集；特征子集确定步骤：依次遍历所述初始特征集中的各初始特征，并在每次遍历时剔除对应的初始特征，得到特征子集；特征评估步骤：计算各特征子集对应的评估值，将最大评估值对应的特征子集添加至特征组合集；特征组合集确定步骤：以所述最大评估值对应的特征子集作为所述初始特征集，循环执行所述特征子集确定步骤和所述特征评估步骤，直至所述初始特征集中的特征个数达到阈值；特征选取步骤：基于所述特征组合集，确定所述特征组合集中各特征对应的沙普利值，并选取沙普利值大于预设值的特征作为联邦学习的样本特征。

全文数据：

权利要求：

百度查询： 中移动信息技术有限公司;中国移动通信集团有限公司 基于联邦学习的特征选择方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD