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。