【技術實現步驟摘要】
【國外來華專利技術】
本說明書概括而言涉及機器學習模型，更具體而言，涉及根據本公開的各種實施例提供一種用于分析和評估用于機器學習模型中的特征的工具。
技術介紹
1、機器學習模型已被廣泛用于為組織執行各種任務。例如，機器學習模型可用于對數據進行分類(例如，確定交易是合法交易還是欺詐交易，確定商家是否是高價值商家，確定用戶是否是高風險用戶，等等)。為了構造機器學習模型，識別并且定義與執行與機器學習模型相關聯的任務有關的一組輸入特征。可以提供訓練數據來訓練機器學習模型，該訓練數據包括與該組輸入特征相對應的屬性值以及與預定預測結果相對應的標簽。基于訓練數據和標簽，機器學習模型可以學習與訓練數據相關聯的模式，并且基于所學習的模式提供預測。例如，與該組輸入特征相對應的新數據(例如，與新交易相關聯的交易數據)可以被提供給機器學習模型。機器學習模型可以基于從訓練數據學習到的模式對新數據執行預測(例如，新交易是否是合法交易，等等)。
2、雖然機器學習模型在識別模式和進行預測方面是有效的，但其僅限于在構造時識別的輸入特征。當為機器學習模型選擇的一組輸入特征與機器學習模型執行的任務高度相關時(例如，與模型執行的預測高度相關)，機器學習模型可以被訓練為以高準確度執行任務。相反，當為機器學習模型選擇的一組輸入特征與任務不相關時，即使有大量的訓練數據，機器學習模型也可能不會很好地完成任務(例如，預測不準確)。使問題更加復雜的是，數據趨勢和模式經常變化，這樣，一段時間前被確定為與執行任務高度相關的特征可能不再相關，而之前被確定為與執行任務不相關的特征可能變得相關。從而
技術實現思路
本文檔來自技高網...【技術保護點】
1.一種系統，包括：
2.如權利要求1所述的系統，其中，所述操作還包括：
3.如權利要求2所述的系統，其中，所述操作還包括：
4.如權利要求2所述的系統，其中，所述操作還包括將所述計算機編程代碼納入到所述機器學習模型中。
5.如權利要求1所述的系統，其中，所述操作還包括：
6.如權利要求5所述的系統，其中，所述操作還包括：
7.如權利要求1所述的系統，其中，所述用戶輸入為所述特征候選指定從所述種子頂點起要遍歷的跳數。
8.一種方法，包括：
9.如權利要求8所述的方法，其中，所述計算是基于總和、平均值、最大值、最小值或計數中的至少一者的。
10.如權利要求8所述的方法，其中，所述用戶交互指定從所述種子頂點起要遍歷的邊緣的類型。
11.如權利要求8所述的方法，還包括：
12.如權利要求11所述的方法，還包括：
13.如權利要求8所述的方法，還包括：
14.如權利要求13所述的方法，其中，所述計算機編程代碼與圖查詢語言相關聯。>
15.一種非暫態機器可讀介質，其上存儲有機器可讀指令，所述指令可執行來使得機器執行操作，所述操作包括：
16.如權利要求15所述的非暫態機器可讀介質，其中，所述操作還包括：
17.如權利要求16所述的非暫態機器可讀介質，其中，所述操作還包括：
18.如權利要求16所述的非暫態機器可讀介質，其中，所述操作還包括將所述計算機編程代碼納入到所述機器學習模型中。
19.如權利要求1所述的非暫態機器可讀介質，其中，所述操作還包括：
20.如權利要求19所述的非暫態機器可讀介質，其中，所述操作還包括：
...【技術特征摘要】
【國外來華專利技術】
1.一種系統，包括：
2.如權利要求1所述的系統，其中，所述操作還包括：
3.如權利要求2所述的系統，其中，所述操作還包括：
4.如權利要求2所述的系統，其中，所述操作還包括將所述計算機編程代碼納入到所述機器學習模型中。
5.如權利要求1所述的系統，其中，所述操作還包括：
6.如權利要求5所述的系統，其中，所述操作還包括：
7.如權利要求1所述的系統，其中，所述用戶輸入為所述特征候選指定從所述種子頂點起要遍歷的跳數。
8.一種方法，包括：
9.如權利要求8所述的方法，其中，所述計算是基于總和、平均值、最大值、最小值或計數中的至少一者的。
10.如權利要求8所述的方法，其中，所述用戶交互指定從所述種子頂點起要遍歷的邊緣的類型。
11.如權利要求8所述的...
【專利技術屬性】
技術研發人員：張浩然，張彭善，郭俊石，練長樂，欒曉軍，張俠，張瑜，方家欣，
申請(專利權)人：貝寶公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。