CN114912544B - 自动化特征工程模型的训练方法及自动化特征工程方法 - Google Patents

Abstract

本公开提供了一种自动化特征工程模型的训练方法及自动化特征工程方法，涉及机器学习等人工智能技术领域。该方法包括：获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；基于建模场景信息确定自动化特征工程策略；利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。本公开提供的自动化特征工程模型的训练方法训练得到了不同建模场景信息对应的自动化特征工程模型。

Description

自动化特征工程模型的训练方法及自动化特征工程方法

技术领域

本公开涉及人工智能技术领域，尤其涉及机器学习技术领域，具体涉及一种自动化特征工程模型的训练方法及自动化特征工程方法。

背景技术

数据清洗通过对原始数据集进行缺失值处理、异常值处理、去重处理、噪音处理、检查数据一致性等操作来提高数据质量。特征工程,是指用一系列工程化的方式从原始数据中筛选出更好的数据特征,以提升模型的训练效果。一个预测模型的性能很大程度上取决于数据清洗和特征工程的质量。

发明内容

本公开提供了一种自动化特征工程模型的训练方法及自动化特征工程方法。

根据本公开的第一方面，提供了一种自动化特征工程模型的训练方法，包括：获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；基于建模场景信息确定自动化特征工程策略；利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。

根据本公开的第二方面，提供了一种自动化特征工程方法，包括：获取待处理数据对应的目标建模场景信息；确定目标建模场景信息对应的自动化特征工程模型；将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

根据本公开的第三方面，提供了一种自动化特征工程模型的训练装置，包括：第一获取模块，被配置成获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；第一确定模块，被配置成基于建模场景信息确定自动化特征工程策略；训练模块，被配置成利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。

根据本公开的第四方面，提供了一种自动化特征工程装置，包括：第二获取模块，被配置成获取待处理数据对应的目标建模场景信息；第三确定模块，被配置成确定目标建模场景信息对应的自动化特征工程模型；输出模块，被配置成将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第二方面中任一实现方式描述的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面或第二方面中任一实现方式描述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的自动化特征工程模型的训练方法的一个实施例的流程图；

图3是根据本公开的自动化特征工程模型的训练方法的另一个实施例的流程图；

图4是根据本公开的自动化特征工程方法的一个实施例的流程图；

图5是根据本公开的自动化特征工程方法的另一个实施例的流程图；

图6是根据本公开的自动化特征工程方法的特征溯源图；

图7是根据本公开的自动化特征工程模型的训练装置的一个实施例的结构示意图；

图8是根据本公开的自动化特征工程装置的一个实施例的结构示意图；

图9是用来实现本公开实施例的自动化特征工程模型的训练方法、自动化特征工程方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的自动化特征工程模型的训练方法、自动化特征工程方法或自动化特征工程模型的训练装置、自动化特征工程装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取的训练数据集进行分析和处理，并生成处理结果(例如自动化特征工程模型)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的自动化特征工程模型的训练方法、自动化特征工程方法一般由服务器105执行，相应地，自动化特征工程模型的训练装置、自动化特征工程装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的自动化特征工程模型的训练方法的一个实施例的流程200。该自动化特征工程模型的训练方法包括以下步骤：

步骤201，获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息。

在本实施例中，自动化特征工程模型的训练方法的执行主体(例如图1所示的服务器105或者终端)可以获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息，其中，建模场景信息是可以指示当前建模场景的信息，建模场景即建立的模型的应用场景，建模场景可以为金融场景、气象场景、媒体场景、零售场景、通信场景等等，例如，建模场景信息中包括“气象”，那么可以确定当前建模场景为气象场景，也即建立应用于气象领域的模型。训练数据集中的训练数据是结构化数据，是多维度的，也即训练数据可以是从多个具体应用场景中获取的，还可以是对现有的数据集进行封装得到的，例如可以在Pandas(Pandas是基于数值计算扩展的一种工具，该工具是为解决数据分析任务而创建的)的数据框架的基础上封装数据模式(DatasetSchema)、标签列、任务场景(建模场景)等信息，从而得到训练数据集，得到的训练数据集更加适用于实际场景的自动化特征工程任务的需要，并提高了代码的复用性。由于已经在训练数据集中封装了建模场景信息，所以，训练数据集中的训练数据是带有建模场景信息的。

步骤202，基于建模场景信息确定自动化特征工程策略。

在本实施例中，上述执行主体会基于建模场景信息确定自动化特征工程策略。由于训练数据集中的训练数据是带有建模场景信息的，所以，可以基于训练数据集中训练数据的建模场景信息确定当前训练的场景，从而确定当前训练的场景对应的自动化特征工程策略。

本实施例中会预先为多个建模场景预先定义对应的自动化特征工程策略，自动化特征工程策略中包括多项操作，也即自动化特征工程策略会对训练数据进行处理，得到当前建模场景需要的特征或数据。其中，操作可以为基础的原子操作，也可以为基于原子操作自定义进行扩展得到的操作，原子操作可以为ToFloatOperation(float类型转换操作)、IsNAOperation(判断是否为空操作)、SumOperation(求和操作)等，本实施例中对此不做具体限定。且本实施例可以在原有策略的基础上自定义扩展其他策略，例如可以将多个原子操作进行组合，从而得到自定义策略。

步骤203，利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。

在本实施例中，上述执行主体可以利用训练数据集和确定的自动化特征工程策略来进行训练，从而得到建模场景信息对应的自动化特征工程模型。例如，可以先用训练数据集初始化自动化特征工程策略，然后再执行自动化特征工程策略中的指定方法进行自动训练，从而得到当前建模场景下的自动化特征工程模型。由于不同建模场景需要的数据或特征是不同的，那么其对数据的处理过程也是不同的，所以本实施例中的自动化特征工程模型是与建模场景相对应的。

可选地，在得到训练后的自动化特征工程模型后，上述执行主体还会获取测试数据集(结构化数据集)，以使用测试数据集对自动化特征工程模型进行测试，并将测试结果进行展示，从而可以进一步提升自动化特征工程模型的性能。

作为示例，上述执行主体获取训练数据集，训练数据集中的训练数据中的建模场景信息为“金融”，那么可以确定当前建模场景为金融场景。然后，上述执行主体会基于建模场景信息确定金融场景对应的自动化特征工程策略，该自动化特征工程策略中包括原子操作中的求和操作、归一化操作，以及将浮点类型值进行交叉求和的自定义操作。最后，上述执行主体会基于训练数据集和自动化特征工程策略进行训练，从而得到当前建模场景(也即金融场景)下的自动化特征工程模型。

本公开实施例提供的自动化特征工程模型的训练方法，首先获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；然后，基于建模场景信息确定自动化特征工程策略；最后，利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。本实施例中的自动化特征工程模型的训练方法，该方法集成在智能云平台，应用于机器学习的自动化建模领域，该方法训练得到了不同建模场景信息对应的自动化特征工程模型，从而可以自动化处理不同建模场景下的数据，继而为下游建模任务提供了高质量的有效特征，节省了数据处理时间，提升了数据处理效率。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

继续参考图3，图3示出了根据本公开的自动化特征工程模型的训练方法的另一个实施例的流程300。该自动化特征工程模型的训练方法包括以下步骤：

步骤301，获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息。

在本实施例中，自动化特征工程模型的训练方法的执行主体(例如图1所示的服务器105或者终端)会获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息。步骤301与前述实施例的步骤201基本一致，具体实现方式可以参考前述对步骤201的描述，此处不再赘述。

步骤302，基于建模场景信息确定数据清洗策略。

在本实施例中，上述执行主体可以基于建模场景信息确定数据清洗策略。不同建模场景下需要得到的特征是不同的，例如金融场景和天气场景对数据进行清洗的操作也是不同的，数据清洗一般会对原始数据进行缺失值处理、异常值处理、去重处理、噪音处理等。在本实施例中，上述执行主体会基于训练数据的建模场景信息确定对应的数据清洗策略。

步骤303，利用数据清洗策略对训练数据集中的训练数据进行清洗，得到清洗后的训练数据。

在本实施例中，上述执行主体会利用数据清洗策略对训练数据集中的训练数据进行清洗，从而得到清洗后的训练数据。从而得到当前建模场景下的高质量可用数据。

步骤304，从预先定义的策略集合中获取建模场景信息对应的自动化特征工程策略。

在本实施例中，上述执行主体会从预先定义的策略集合中获取建模场景信息对应的自动化特征工程策略，其中，预先定义的策略集合中包括不同建模场景信息对应的自动化特征工程策略。本实施例中会预先定义不同建模场景对应的自动化特征工程策略，从而生成策略集合。在获取了建模场景信息后，会从策略集合中获取建模场景信息对应的自动化特征工程策略Planer。可选地，还可以通过继承Planer类并重写指定方法(例如plan方法)来自定义其它策略，从而适配于不同的建模场景需求。

在本实施例的一些可选实施方式中，自动化特征工程策略包括至少一项操作，操作包括：求和操作、归一化操作、填充缺失值操作、类型转换操作、判断是否为空操作。

在本实现方式中，自动化特征工程策略包括多项原子操作，原子操作可以为ToFloatOperation(float类型转换操作)、IsNAOperation(判断是否为空)、SumOperation(求和)、ScaleOperation(归一化)、FillNAOperation(填充缺失值)等常用操作。还可以通过继承操作类并重写_single_apply、_single_batch_apply、pandas_code_template等方法去进行自定义扩展，从而得到其它操作，从而满足不通建模场景的需求。

步骤305，利用清洗后的训练数据初始化自动化特征工程策略，得到初始化后的自动化特征工程策略。

在本实施例中，上述执行主体会利用清洗后的训练数据初始化自动化特征工程策略，从而得到初始化后的自动化特征工程策略。初始化在计算机编程领域中指为数据对象或变量赋初值的做法。

步骤306，分别确定初始化后的自动化特征工程策略中的每项操作对应的特征信息。

在本实施例中，上述执行主体会分别确定初始化后的自动化特征工程策略中的每项操作对应的特征信息。自动化特征工程策略中可以包括基础的原子操作和/或自定义操作，每项操作对应于一个特征信息，特征信息中包含该种操作的输入列信息、输出列信息以及特征描述信息。例如，初始化后的自动化特征工程策略包含浮点类型转换操作，且假设该操作对应的输入信息有5列，输出信息有3列，那么该操作对应的特征信息为：输入信息：1列、2列、3列、4列、5列，输出信息：1列、3列、4列，描述信息：对输入信息进行浮点类型转换。上述执行主体可以基于初始化后的自动化特征工程策略中的每项操作来生成其对应的特征信息，或者还可以直接从操作与其对应的特征信息的映射关系表中获取初始化后的自动化特征工程策略中的每项操作对应的特征信息。

步骤307，利用特征信息对初始化后的自动化特征工程策略进行训练，得到自动化特征工程模型。

在本实施例中，上述执行主体会利用步骤306生成的每项操作对应的特征信息来对初始化后的自动化特征工程策略进行训练，从而得到建模场景信息对应的自动化特征工程模型。也即自动化特征工程模型FeaturePlan由具体的Planer和训练数据集训练得到。FeaturePlan可以直接应用于其它数据集或者单条数据进行预测。

FeaturePlan的主要属性包括：features、input_schema、output_schema。其中，features是FeaturePlan包含的特征；input_schema是输入数据的模式(schema)信息；output_schema是将要输出数据集的schema信息。

FeaturePlan的主要方法包括：save方法、load方法、apply方法、get_feature_graph方法、get_pandas_code方法。其中，save方法用于将FeaturePlan模型序列化为.plan文件；load方法用于从.plan文件加载FeaturePlan模型；apply方法用于将FeaturePlan模型应用于数据集；get_feature_graph方法用于获取FeaturePlan模型对应的特征溯源图；get_pandas_code方法用于获取FeaturePlan模型对应的特征工程代码。

通过上述步骤，可以训练得到自动化特征工程模型，提升了模型训练速度，保证了模型的性能。

步骤308，将自动化特征工程模型保存到指定文件中。

在本实施例中，上述执行主体还会将自动化特征工程模型保存在指定文件中，也即上述执行主体会使用save方法来将FeaturePlan模型序列化为.plan文件，从而可以在下次直接从.plan文件中直接加载FeaturePlan模型，从而提升模型的获取速度。

从图3中可以看出，与图2对应的实施例相比，本实施例中的自动化特征工程模型的训练方法，该方法针对结构化数据的机器学习任务提供了自动数据清洗和自动特征工程的能力，为下游的建模任务提供了大量高质量的有效特征，节省了数据处理时间，进一步提升了数据处理效率。

继续参考图4，其示出了根据本公开的自动化特征工程方法的一个实施例的流程400。该自动化特征工程方法包括以下步骤：

步骤401，获取待处理数据对应的目标建模场景信息。

在本实施例中，自动化特征工程方法的执行主体(例如图1所示的服务器105或者终端)可以获取待处理数据对应的目标建模场景信息。上述执行主体会获取待处理数据，待处理数据即需要进行自动化特征工程处理的数据，待处理数据为结构化数据，其中包含了建模场景信息，待处理数据可以为包含多条数据的数据集，也可以为单条数据。然后上述执行主体会获取待处理数据中的目标建模场景信息。

步骤402，确定目标建模场景信息对应的自动化特征工程模型。

在本实施例中，上述执行主体会确定目标建模场景信息确定其对应的自动化特征工程模型。也即上述执行主体会基于待处理数据的目标建模场景信息确定目标建模场景对应的自动化特征工程模型。由于本实施例中已经预先训练了多个自动化特征工程模型，每个自动化特征工程模型对应一种建模场景，所以，上述执行主体可以基于目标建模场景信息确定对应的自动化特征工程模型。

步骤403，将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

在本实施例中，上述执行主体在确定了目标建模场景信息对应的自动化特征工程模型后，会将待处理数据输入至该自动化特征工程模型中，以对待处理数据进行自动化数据清洗和特征工程，从而输出得到处理后的目标数据。

本公开实施例提供的自动化特征工程方法，首先获取待处理数据对应的目标建模场景信息；然后确定目标建模场景信息对应的自动化特征工程模型；最后将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。本实施例中的自动化特征工程方法，该方法通过数据中的建模场景信息确定对应的自动化特征工程模型，从而使用自动化特征工程模型对数据进行自动化数据清洗和特征工程，从而实现了自动化对数据进行处理，提升了数据处理效率。

继续参考图5，图5示出了根据本公开的自动化特征工程方法的又一个实施例的流程500。该自动化特征工程方法包括以下步骤：

步骤501，获取待处理数据对应的目标建模场景信息。

步骤502，确定目标建模场景信息对应的自动化特征工程模型。

步骤501-502与前述实施例的步骤401-402基本一致，具体实现方式可以参考前述对步骤401-402的描述，此处不再赘述。

步骤503，通过加载指定文件获取自动化特征工程模型。

在本实施例中，自动化特征工程方法的执行主体(例如图1所示的服务器105或者终端)会通过加载指定文件获取自动化特征工程模型。由于自动化特征工程模型在生成之后会会被序列化为.plan文件，所以，在使用时，可以通过加载该.plan文件来获取自动化特征工程模型。例如，可以调用.load方法来从.plan文件加载FeaturePlan模型，从而提升了自动化特征工程模型的加载速度。

步骤504，将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

步骤504与前述实施例的步骤403基本一致，具体实现方式可以参考前述对步骤403的描述，此处不再赘述。

步骤505，展示自动化特征工程模型对应的特征溯源图，和/或展示用于复现自动化特征工程模型对待处理数据的处理过程的代码。

在本实施例中，上述执行主体会通过get_feature_graph方法来获取FeaturePlan模型对应的特征溯源图，特征溯源图可以以图的形式来直观展现自动化特征工程的过程，和/或通过get_pandas_code方法来获取FeaturePlan模型对应的特征工程代码，特征工程代码也即自动化特征工程模型对待处理数据进行处理的过程的代码，特征工程代码可以以代码的形式直观展现自动化特征工程的过程。并展示获取的特征溯源图和/或用于复现自动化特征工程过程的代码，从而提高了自动化特征工程的可视性。

从图5中可以看出，与图4对应的实施例相比，本实施例中的自动化特征工程方法，该方法突出了加载自动化特征工程模型的步骤以及展示特征溯源图和特征工程代码的步骤，从而提高了自动化特征工程的可视性。

进一步参考图6，图6示出了根据本公开的自动化特征工程方法的特征溯源图。在一个实际应用场景中，首先获取了初始数据Dataset，然后基于Dataset中的建模场景信息确定对应的自动化特征工程策略为NaiveNumericalPlaner。该NaiveNumericalPlaner包括以下操作：

1)去掉非数值类型的列；

2)将数值类型的列转化成float(浮点)类型；

3)对每个float列进行z-score标准化；

4)将float列两两交叉求和；

5)只保留z-score数据列和求和结果列。

需要说明的是，z-score标准化是数据处理的一种常用方法。通过它能够将不同量级的数据转化为统一量度的z-score分值进行比较。执行主体会对初始数据Dataset执行以上操作，从而得到处理后的数据。

然后，可以通过调用get_feature_graph方法来获取NaiveNumericalPlaner策略对应的特征溯源图，图6为获取的特征溯源图，从图6中可以看出，先去掉了Dataset中非数值类型的列，也即去掉了str(字符串)列、bool(布尔)列，留下了int(整数)列。然后，将int转换格式为float(浮点)类型，得到int_float。之后，再将int_float列与其他float列进行z-score标准化，得到int_float_z与float_z。并将float列两两交叉求和，从而得到int_float_sum_float。最后，保留z-score数据列和求和结果列，也即int_float_z、int_float_sum_float与float_z是处理后得到的目标数据。从而完整地展现了自动化特征工程的过程。

进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种自动化特征工程模型的训练装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的自动化特征工程模型的训练装置700包括：第一获取模块701、第一确定模块702和训练模块703。其中，第一获取模块701，被配置成获取训练数据集，其中，训练数据集中的训练数据包括建模场景信息；第一确定模块702，被配置成基于建模场景信息确定自动化特征工程策略；训练模块703，被配置成利用训练数据集和自动化特征工程策略进行训练，得到自动化特征工程模型。

在本实施例中，自动化特征工程模型的训练装置700中：第一获取模块701、第一确定模块702和训练模块703的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，第一确定模块包括：获取子模块，被配置成从预先定义的策略集合中获取建模场景信息对应的自动化特征工程策略，其中，预先定义的策略集合中包括不同建模场景信息对应的自动化特征工程策略。

在本实施例的一些可选的实现方式中，自动化特征工程策略包括至少一项操作，操作包括：求和操作、归一化操作、填充缺失值操作、类型转换操作、判断是否为空操作。

在本实施例的一些可选的实现方式中，自动化特征工程模型的训练装置700还包括：第二确定模块，被配置成基于建模场景信息确定数据清洗策略；清洗模块，被配置成利用数据清洗策略对训练数据集中的训练数据进行清洗，得到清洗后的训练数据；训练模块包括：训练子模块，被配置成利用清洗后的训练数据和自动化特征工程策略进行训练，得到自动化特征工程模型。

在本实施例的一些可选的实现方式中，训练子模块包括：初始化单元，被配置成利用清洗后的训练数据初始化自动化特征工程策略，得到初始化后的自动化特征工程策略；生成单元，被配置成分别确定初始化后的自动化特征工程策略中的每项操作对应的特征信息；训练单元，被配置成利用特征信息对初始化后的自动化特征工程策略进行训练，得到自动化特征工程模型。

进一步参考图8，作为对上述各图所示方法的实现，本公开提供了一种自动化特征工程装置的一个实施例，该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图8所示，本实施例的自动化特征工程装置800包括：第二获取模块801、第三确定模块802和输出模块803。其中，第二获取模块801，被配置成获取待处理数据对应的目标建模场景信息；第三确定模块802，被配置成确定目标建模场景信息对应的自动化特征工程模型；输出模块803，被配置成将待处理数据输入至自动化特征工程模型，输出得到处理后的目标数据。

在本实施例中，自动化特征工程装置800中：第二获取模块801、第三确定模块802和输出模块803的具体处理及其所带来的技术效果可分别参考图4对应实施例中的步骤401-403的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，自动化特征工程装置800还包括：第一展示模块，被配置成展示自动化特征工程模型对应的特征溯源图；和/或第二展示模块，被配置成展示用于复现自动化特征工程模型对待处理数据的处理过程的代码。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如自动化特征工程模型的训练方法、自动化特征工程方法。例如，在一些实施例中，自动化特征工程模型的训练方法、自动化特征工程方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的自动化特征工程模型的训练方法、自动化特征工程方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行自动化特征工程模型的训练方法、自动化特征工程方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

云计算(cloud computer)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用或存储设备等，并可以以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (16)

1.一种自动化特征工程方法，包括：

获取待处理数据对应的目标建模场景信息，所述目标建模场景信息表征模型的应用场景，所述应用场景包括以下至少一种：气象场景、媒体场景、通信场景；

确定所述目标建模场景信息对应的自动化特征工程模型，所述自动化特征工程模型是对自动化特征工程策略进行训练得到的，所述自动化特征工程策略包括原子操作和自定义操作中的至少一项，所述自定义操作是基于所述原子操作自定义扩展得到的，所述原子操作包括以下至少一项：float类型转换操作、判断是否为空操作；

将所述待处理数据输入至所述自动化特征工程模型，输出得到处理后的目标数据。

2.根据权利要求1所述的方法，其中，所述自动化特征工程模型通过以下步骤训练得到：

获取训练数据集，其中，所述训练数据集中的训练数据包括建模场景信息；

基于所述建模场景信息确定自动化特征工程策略；

利用所述训练数据集和所述自动化特征工程策略进行训练，得到自动化特征工程模型。

3.根据权利要求2所述的方法，其中，所述基于所述建模场景信息确定自动化特征工程策略，包括：

从预先定义的策略集合中获取所述建模场景信息对应的自动化特征工程策略，其中，所述预先定义的策略集合中包括不同建模场景信息对应的自动化特征工程策略。

4.根据权利要求3所述的方法，其中，所述自动化特征工程策略包括至少一项操作，所述操作包括：求和操作、归一化操作、填充缺失值操作、类型转换操作、判断是否为空操作。

5.根据权利要求2所述的方法，还包括：

基于所述建模场景信息确定数据清洗策略；

利用所述数据清洗策略对所述训练数据集中的训练数据进行清洗，得到清洗后的训练数据；

所述利用所述训练数据集和所述自动化特征工程策略进行训练，得到自动化特征工程模型，包括：

利用所述清洗后的训练数据和所述自动化特征工程策略进行训练，得到自动化特征工程模型。

6.根据权利要求5所述的方法，其中，所述利用所述清洗后的训练数据和所述自动化特征工程策略进行训练，得到自动化特征工程模型，包括：

利用所述清洗后的训练数据初始化所述自动化特征工程策略，得到初始化后的自动化特征工程策略；

分别确定所述初始化后的自动化特征工程策略中的每项操作对应的特征信息；

利用所述特征信息对所述初始化后的自动化特征工程策略进行训练，得到所述自动化特征工程模型。

7.根据权利要求1所述的方法，还包括：

展示所述自动化特征工程模型对应的特征溯源图；和/或

展示用于复现所述自动化特征工程模型对所述待处理数据的处理过程的代码。

8.一种自动化特征工程装置，包括：

第一获取模块，被配置成获取待处理数据对应的目标建模场景信息，所述目标建模场景信息表征模型的应用场景，所述应用场景包括以下至少一种：气象场景、媒体场景、通信场景；

第一确定模块，被配置成确定所述目标建模场景信息对应的自动化特征工程模型，所述自动化特征工程模型是对自动化特征工程策略进行训练得到的，所述自动化特征工程策略包括原子操作和自定义操作中的至少一项，所述自定义操作是基于所述原子操作自定义扩展得到的，所述原子操作包括以下至少一项：float类型转换操作、判断是否为空操作；

输出模块，被配置成将所述待处理数据输入至所述自动化特征工程模型，输出得到处理后的目标数据。

9.根据权利要求8所述的装置，其中，所述装置还包括用于训练所述自动化特征工程模型的训练模块，所述训练模块包括：

第一获取子模块，被配置成获取训练数据集，其中，所述训练数据集中的训练数据包括建模场景信息；

第一确定子模块，被配置成基于所述建模场景信息确定自动化特征工程策略；

训练子模块，被配置成利用所述训练数据集和所述自动化特征工程策略进行训练，得到自动化特征工程模型。

10.根据权利要求9所述的装置，其中，所述第一确定子模块包括：

第二获取子模块，被配置成从预先定义的策略集合中获取所述建模场景信息对应的自动化特征工程策略，其中，所述预先定义的策略集合中包括不同建模场景信息对应的自动化特征工程策略。

11.根据权利要求10所述的装置，其中，所述自动化特征工程策略包括至少一项操作，所述操作包括：求和操作、归一化操作、填充缺失值操作、类型转换操作、判断是否为空操作。

12.根据权利要求9所述的装置，还包括：

第二确定子模块，被配置成基于所述建模场景信息确定数据清洗策略；

清洗子模块，被配置成利用所述数据清洗策略对所述训练数据集中的训练数据进行清洗，得到清洗后的训练数据；

所述训练子模块包括：

训练单元，被配置成利用所述清洗后的训练数据和所述自动化特征工程策略进行训练，得到自动化特征工程模型。

13.根据权利要求12所述的装置，其中，所述训练单元包括：

初始化子单元，被配置成利用所述清洗后的训练数据初始化所述自动化特征工程策略，得到初始化后的自动化特征工程策略；

生成子单元，被配置成分别确定所述初始化后的自动化特征工程策略中的每项操作对应的特征信息；

训练子单元，被配置成利用所述特征信息对所述初始化后的自动化特征工程策略进行训练，得到所述自动化特征工程模型。

14.根据权利要求8所述的装置，还包括：

第一展示模块，被配置成展示所述自动化特征工程模型对应的特征溯源图；和/或

第二展示模块，被配置成展示用于复现所述自动化特征工程模型对所述待处理数据的处理过程的代码。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。