- 1、本文档共9页,其中可免费阅读8页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种传统特征与深度特征的自动融合方法,包括如下步骤:1.提取传统特征:结合目标任务,利用常规特征工程方法,提取适合于刻画所分析数据的特征;2.将传统特征转换成GBDT模型的叶子索引特征。输入步骤一提取的特征到训练好的梯度提升树模型中提取样本的叶子节点索引特征;叶子节点索引特征被视作类别特征,有n棵树就会有n个类别特征;3.通过增强型DNN实现深度特征的自动提取,稀疏类别特征的转换以及特征的自动融合;具体包含深度特征提取步骤、稀疏类别特征的转换步骤和特征融合步骤。本发明有效融合传统特征
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112990270 B
(45)授权公告日 2023.04.07
(21)申请号 202110183028.3 G06N 3/08 (2023.01)
(22)申请日 2021.02.
文档评论(0)