冗余特征检测方法、检测装置、电子设备和介质

技术领域

本公开涉及人工智能领域和金融领域，更具体地，涉及一种模型的冗余特征检测方法、检测装置、电子设备和存储介质。

背景技术

由于机器学习模型在风险防控、智能营销等领域表现出的独特优势，越来越多的企业在日常生产中采用了机器学习模型。例如在银行业，机器学习模型可以运用于授信评审、风险审查、智慧营销等业务当中。在建立机器学习模型时，需要选取与预测目标相关的一系列特征，如财务特征、信用特征、行为特征等。然后训练该机器学习模型，使得模型在这些特征中学习判断规则，从而在训练完成后实现对目标的预测。目前对训练完成后的模型的评价主要采用各种评价指标，指标表现好则认为模型效果好。

在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题：

由于相关评价指标不能反映出待评估模型是否引入了冗余特征，而且目前针对训练完成后的机器学习模型尚未有检测冗余特征的有效方法，因此会使得该模型存在过拟合风险，并且可能导致因处理冗余特征而出现的算力浪费问题。

发明内容

有鉴于此，本公开实施例提供了一种能够对机器学习模型进行冗余特征检测的方法和装置，以及电子设备和存储介质。

本公开实施例的一个方面提供了一种模型的冗余特征检测方法。所述冗余特征检测方法包括：获得待评估模型的第一特征集合和第一指标，其中，所述待评估模型包括使用所述第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的模型，所述第一指标用于表征所述待评估模型对测试集的预测性能。从所述第一特征集合中剔除M个特征获得第二特征集合，其中，M为大于或等于1的整数。获得重构模型，其中，所述重构模型包括使用所述第二特征集合和所述第一机器学习算法基于所述训练集对所述初始模型进行训练后，获得的具有第二参数信息的模型。当所述重构模型的第二指标与所述第一指标的比值大于或等于第一预设阈值时，确定所述M个特征为冗余特征，其中，所述第二指标用于表征所述重构模型对所述测试集的预测性能。

根据本公开的实施例，所述方法包括重复执行所述剔除、获得重构模型、以及确定冗余特征的操作，直至检测完成所述第一特征集合中的全部特征。则，所述从所述第一特征集合中剔除M个特征获得第二特征集合包括：从所述第一特征集合中逐个剔除特征。其中，当确定一个特征为非冗余特征时，将该特征在下一次检测过程中放回后重复执行所述剔除、获得重构模型、以及确定冗余特征的操作。

根据本公开的实施例，从所述第一特征集合中逐个剔除特征包括：将i的初始值赋为[1，N]内的任一数值，循环执行以下操作直至循环N次，其中，N为第一特征集合中的特征的个数，i为大于或等于1的整数：从所述第一特征集合中剔除第i个特征，获得对应的所述第二特征集合。当确定所述第i个特征为冗余特征时，剔除所述第i个特征，然后令i＝i+1。当确定所述第i个特征为非冗余特征时，放回所述第i个特征，然后令i＝i+1。

根据本公开的实施例，从所述第一特征集合中剔除第i个特征，获得对应的所述第二特征集合后，所述获得所述重构模型包括：基于所述待评估模型的第一超参数信息配置训练过程，使用所述第二特征集合和所述第一机器学习算法基于所述训练集训练所述初始模型，获得所述重构模型。

根据本公开的实施例，所述从所述第一特征集合中剔除M个特征获得第二特征集合包括：获得代理模型，其中，所述代理模型包括使用所述第一特征集合和第二机器学习算法基于所述训练集对所述初始模型进行训练后，获得的具有第三参数信息的模型。当所述代理模型的第三指标与所述第一指标的比值大于或等于所述第一预设阈值时，基于所述第二机器学习算法获得所述第一特征集合中每个特征的重要度，其中，所述第三指标用于表征所述代理模型对于所述测试集的预测性能。基于每个特征的所述重要度，从所述第一特征集合中剔除所述重要度小于或等于第二预设阈值的M个特征，以获得所述第二特征集合。

根据本公开的实施例，所述获得重构模型包括：获得第二超参数信息，其中，所述第二超参数信息与所述待评估模型的第一超参数信息不同。基于所述第二超参数信息配置训练过程，使用所述第二特征集合和所述第一机器学习算法基于所述训练集对所述初始模型进行训练，获得所述重构模型。

根据本公开的实施例，所述第一特征集合包括N个特征，其中，N大于M，在所述确定所述M个特征为冗余特征后，所述方法还包括：当从所述第二特征集合剔除任一特征，获得的所述重构模型的第二指标与所述第一指标的比值小于所述第一预设阈值时，确定所述第一特征集合的冗余特征的个数为M。以及基于M与N的比值对所述待评估模型进行冗余性评估。

本公开实施例的另一方面提供了一种模型的冗余特征检测装置。所述冗余特征检测装置包括获得模块、剔除模块、重构模块和确定模块。所述获得模块用于获得待评估模型的第一特征集合和第一指标，其中，所述待评估模型包括使用所述第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的模型，所述第一指标用于表征所述待评估模型对测试集的预测性能。所述剔除模块用于从所述第一特征集合中剔除M个特征获得第二特征集合，其中，M为大于或等于1的整数。所述重构模块用于获得重构模型，其中，所述重构模型包括使用所述第二特征集合和所述第一机器学习算法基于所述训练集对所述初始模型进行训练后，获得的具有第二参数信息的模型。所述确定模块用于当所述重构模型的第二指标与所述第一指标的比值大于或等于第一预设阈值时，确定所述M个特征为冗余特征，其中，所述第二指标用于表征所述重构模型对所述测试集的预测性能。

本公开实施例的另一方面提供了一种电子设备。所述电子设备包括一个或多个存储器、以及一个或多个处理器。所述存储器存储有可执行指令。所述处理器执行所述可执行指令以实现如上所述的方法。

本公开实施例的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

本公开实施例的又一方面提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上所述的方法。

上述一个或多个实施例具有如下优点或益效果：可以至少部分地解决对于训练完成后的机器学习模型的冗余特征无法进行有效检测的问题，并通过使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练，获得具有第二参数信息的重构模型，然后将待评估模型与重构模型的预测性能进行比较，以确定从第一特征集合中剔除的特征是否为冗余特征，从而能够对待评估模型的冗余特征进行有效检测。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用冗余特征检测方法的示例性系统架构；

图2示意性示出了根据本公开的实施例的模型的冗余特征检测方法的流程图；

图3示意性示出了根据本公开的另一实施例的模型的冗余特征检测方法的流程图；

图4示意性示出了根据本公开的实施例的从第一特征集合中逐个剔除特征的流程图；

图5示意性示出了根据本公开的实施例的获得第二特征集合的流程图；

图6示意性示出了根据本公开的实施例的获得重构模型的流程图；

图7示意性示出了根据本公开的实施例的对待评估模型进行冗余性评估的流程图；

图8示意性示出了根据本公开的实施例的模型的冗余特征检测装置的框图；

图9示意性示出了根据本公开的实施例的使用冗余特征检测装置进行冗余特征检测的操作流程图；以及

图10示意性示出了根据本公开实施例的适于实现冗余特征检测方法和装置的计算机系统的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

本公开的实施例提供了一种模型的冗余特征检测方法。该冗余特征检测方法包括：获得待评估模型的第一特征集合和第一指标，其中，待评估模型包括使用第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的模型，第一指标用于表征待评估模型对测试集的预测性能。从第一特征集合中剔除M个特征获得第二特征集合，其中，M为大于或等于1的整数。获得重构模型，其中，重构模型包括使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第二参数信息的模型。当重构模型的第二指标与第一指标的比值大于或等于第一预设阈值时，确定M个特征为冗余特征，其中，第二指标用于表征重构模型对测试集的预测性能。

根据本公开的实施例，机器学习模型冗余特征检测例如是指：对机器学习模型所使用的特征进行检测，以检查机器学习模型所使用的特征是否都是必要的。若机器学习模型依赖了大量的非必要特征(即冗余特征)，则机器学习模型的性能会受到干扰，影响实际投产后的使用效果。

具体地，对于简单任务，仅需选取少数特征建立简单模型就能取得不错的效果，对于复杂任务，需要从各个维度选取大量的特征，建立复杂模型。然而，复杂模型虽然能更好地拟合训练数据，但也存在过拟合的风险。过拟合是指模型对训练数据过度学习，学到了训练数据特有的规则，而这样的规则并不普遍存在于全量数据中。换言之，当特征冗余时，模型存在过拟合的风险，在测试集上暂时没有表现，但在未来面对更多样的数据时更有可能发生过拟合，导致模型预测性能下降。

利用本公开实施例的冗余特征检测方法，通过使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练，获得具有第二参数信息的重构模型，然后将待评估模型与重构模型的预测性能进行比较，以确定从第一特征集合中剔除的特征是否为冗余特征，能够对待评估模型的冗余特征进行有效检测。在检测出冗余特征后，可将冗余特征剔除以对待评估模型进行优化，例如可以使用重构模型代替待评估模型，避免加工冗余特征造成的算力浪费。

需要说明的是，本公开实施例的模型的冗余特征检测方法和装置可用于金融领域，也可用于除金融领域之外的任意领域，本公开实施例的模型的冗余特征检测方法和装置的应用领域不做具体限定。

图1示意性示出了根据本公开实施例的可以应用冗余特征检测方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构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，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

根据本公开的实施例，可以通过终端设备101、102、103采集用户数据并形成训练集或测试集存储到服务器105中，其中，可以对采集的用户数据从各个维度进行分析、统计和处理，获得包含多个特征的集合。其中，服务器105可以使用第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的待评估模型，还可以使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第二参数信息的重构模型。在训练完成后，可以使待评估模型来对测试集中用户数据进行预测，以获得反映待评估模型性能的指标。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，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。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备，例如可以将待评估模型或者重构模型对测试集进行预测的评价指标(第一指标或第二指标)反馈给终端设备。

需要说明的是，本公开实施例所提供的模型的冗余特征检测方法一般可以由服务器105执行。相应地，本公开实施例所提供的模型的冗余特征检测装置一般可以设置于服务器105中。本公开实施例所提供的模型的冗余特征检测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的模型的冗余特征检测装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

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。

图2示意性示出了根据本公开的实施例的模型的冗余特征检测方法的流程图。

如图2所示，根据本公开的实施例的模型的冗余特征检测方法可以包括操作S210～操作S240。

在操作S210，获得待评估模型的第一特征集合和第一指标，其中，待评估模型包括使用第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的模型，第一指标用于表征待评估模型对测试集的预测性能。

根据本公开的实施例，例如以银行业信贷业务风险管理模型为例，第一特征集合可以包括对财务数据、工商数据、征信数据、资金交易数据、舆情数据等数据进行处理得到的特征数据，上述多个特征数据可以反映出一个信贷用户的个人财务属性。

在该风险管理模型为二分类模型时，例如若用户为风险用户，则输出“0”，若用户为正常用户，则输出“1”。那么其第一指标可以为该模型的AUC(Area Under Curve)值。

在该风险管理模型为回归模型时，该模型可以输出每个客户的违约概率，例如若违约概率大于或等于60％代表违约客户，违约概率小于50％代表正常客户，在50％～60％之间为待复核客户(仅为示例)。那么其第一指标可以为该模型的均方误差值。

根据本公开的实施例，第一机器学习算法可以为线性回归算法、Logistic回归算法、朴素贝叶斯算法、KNN算法和随机森林算法等。

根据本公开的实施例，除获取待评估模型的第一特征集合和第一指标外，还可以获取待评估模型的结构信息和超参数信息。其中，超参数信息可以包括训练模型时设定的超参数，不同的算法涉及的超参数不同，例如包含学习速率、随机数种子、正则项等。

在操作S220，从第一特征集合中剔除M个特征获得第二特征集合，其中，M为大于或等于1的整数。

在操作S230，获得重构模型，其中，重构模型包括使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第二参数信息的模型。

根据本公开的实施例，第一参数信息、第二参数信息例如为机器学习模型中数学函数的参数，训练机器学习模型的过程即是确定上述参数信息的过程。第一参数信息、第二参数信息能够在模型进行预测时对输入数据进行处理而获得输出结果。

根据本公开的实施例，例如在待评估模型为分类模型时，重构模型相应的为分类模型。在待评估模型为回归模型时，重构模型相应的为回归模型。其中，重构模型与待评估模型的区别在于：由于训练过程中所使用的特征不同，因此最终训练完成后获得的参数信息可能也不相同。因此可以在此基础上比较两者的预测性能。

在操作S240，当重构模型的第二指标与第一指标的比值大于或等于第一预设阈值时，确定M个特征为冗余特征，其中，第二指标用于表征重构模型对测试集的预测性能。

根据本公开的实施例，例如待评估模型为二分类模型时，可设置当AUC(重构)与AUC(待评估)的比值大于或等于0.99(即第一预设阈值)时满足要求，即重构模型的预测性能相对比待评估模型下滑幅度小于1％(仅为示意)。

根据本公开的实施例，通过使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练，获得具有第二参数信息的重构模型，然后将待评估模型与重构模型的预测性能进行比较，以确定从第一特征集合中剔除的特征是否为冗余特征，因此能够检查模型是否引入了不必要的特征，检验模型是否存在潜在的过拟合风险，避免模型在部署上线后因过拟合造成的性能衰减问题。由于对冗余特征的加工会调用额外的算力，造成算力的无效利用，因此对冗余特征检测的同时也能检验模型的算力利用是否有效。

图3示意性示出了根据本公开的另一实施例的模型的冗余特征检测方法的流程图。

如图3所示，根据本公开的实施例的模型的冗余特征检测方法包括重复执行剔除(例如操作S220)、获得重构模型(例如操作S230)、以及确定冗余特征（例如操作S240)的操作，直至检测完成第一特征集合中的全部特征。该方法除包括操作S210、操作S230、操作S240之外，还可以包括操作S310～操作S330。其中，操作S310是操作S220的其中一个实施例。

在操作S210，获得待评估模型的第一特征集合和第一指标，其中，待评估模型包括使用第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的模型，第一指标用于表征待评估模型对测试集的预测性能。

在操作S310，从第一特征集合中逐个剔除特征。

根据本公开的实施例，可以随机从第一特征集合中剔除一个集合获得第二特征集合，也可以按照顺序从第一特征集合中剔除一个集合获得第二特征集合。

在操作S230，获得重构模型，其中，重构模型包括使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第二参数信息的模型。

在操作S320，判断重构模型的第二指标与第一指标的比值是否大于或等于第一预设阈值。当大于第一预设阈值时，执行操作S240。当小于第一预设阈值时，执行操作S330。

在操作S240，当重构模型的第二指标与第一指标的比值大于或等于第一预设阈值时，确定M个特征为冗余特征，其中，第二指标用于表征重构模型对测试集的预测性能。.

在操作S330，当确定一个特征为非冗余特征时，将该特征在下一次检测过程中放回后重复执行剔除(例如操作S310)、获得重构模型(例如操作S230)、以及确定冗余特征的操作(例如操作S240)。

根据本公开的实施例，例如银行业信贷业务风险管理模型的第一特征集合可以为[财务数据，工商数据，征信数据，资金交易数据，舆情数据]。首先，将财务数据剔除，第二特征集合可以为[工商数据，征信数据，资金交易数据，舆情数据]。然后，利用第二特征集合对初始模型进行训练获得重构模型，若该重构模型的性能相比于待评估模型大幅下滑(例如将大部分风险用户识别为正常用户)，那么财务数据为非冗余特征。接着，将财务数据放回，继续在[财务数据，工商数据，征信数据，资金交易数据，舆情数据]剔除其余未检测过的特征。

图4示意性示出了根据本公开的实施例的操作S310中从第一特征集合中逐个剔除特征的流程图。

如图4所示，可以将i的初始值赋为[1，N]内的任一数值，然后循环执行操作S410～操作S440直至循环N次，其中，N为第一特征集合中的特征的个数，i为大于或等于1的整数。

在操作S410，从第一特征集合中剔除第i个特征，获得对应的第二特征集合。

根据本公开的实施例，例如从[财务数据，工商数据，征信数据，资金交易数据，舆情数据]中剔除财务数据。在本公开的一些实施例，还可以将i的初始值赋为[1，N]中的一个随机值，例如i＝3，那么先将征信数据剔除。

在操作S420，判断第i个特征是否为冗余特征，当第i个特征不是冗余特征时，执行操作S430，当第i个特征是冗余特征时，执行操作S440。

在操作S430，当确定第i个特征为非冗余特征时，放回第i个特征，然后令i＝i+1。

根据本公开的实施例，当财务数据为非冗余特征时，即重新从[财务数据，工商数据，征信数据，资金交易数据，舆情数据]中剔除工商数据。

在操作S440，当确定第i个特征为冗余特征时，剔除第i个特征，然后令i＝i+1。

根据本公开的实施例，当财务数据是冗余特征时，即从[工商数据，征信数据，资金交易数据，舆情数据]继续剔除工商数据。

进一步地，当工商数据为冗余特征时，可以从[征信数据，资金交易数据，舆情数据]继续剔除征信数据。

在本公开的一些实施例中，可以令i＝i+s，其中，s为一个随机数，即可以随机剔除剩余特征中的任一个特征。

利用本公开实施例的冗余特征检测方法，可以对特征进行逐个检测，能够明确每个特征对于待评估模型的贡献。当剔除一个特征后，获得的重构模型的预测性能没有发生下滑，那么即表明该特征为冗余特征，没有为待评估模型的预测性能做出贡献，从而防止后续浪费算力对其进行加工处理。

根据本公开的实施例，从第一特征集合中剔除第i个特征，获得对应的第二特征集合后，获得重构模型包括：基于待评估模型的第一超参数信息配置训练过程，使用第二特征集合和第一机器学习算法基于训练集训练初始模型，获得重构模型。

根据本公开的实施例，重构模型与待评估模型使用同样的超参数信息进行训练，使得剔除的特征作为两者的区别所在，能够通过两者的预测性能的对比，明确每个特征的作用，有利于在后续训练功能相近的模型时提供参照。

图5示意性示出了根据本公开的实施例的操作S220中获得第二特征集合的流程图。

如图5所示，操作S220中从第一特征集合中剔除M个特征获得第二特征集合可以包括操作S510～操作S530。

在操作S510，获得代理模型，其中，代理模型包括使用第一特征集合和第二机器学习算法基于训练集对初始模型进行训练后，获得的具有第三参数信息的模型。

根据本公开的实施例，第二机器学习算法可以是随机森林算法、梯度提升树算法等能够获得特征重要度的强机器学习算法。在本公开的一些实施例中，第一机器学习算法也可以为随机森林算法、梯度提升树算法等能够获得特征重要度的强机器学习算法，此时第二机器学习算法可以与第一机器学习算法相同。

在操作S520，当代理模型的第三指标与第一指标的比值大于或等于第一预设阈值时，基于第二机器学习算法获得第一特征集合中每个特征的重要度，其中，第三指标用于表征代理模型对于测试集的预测性能。

根据本公开的实施例，该代理模型为待评估模型的代理，来自同样的训练集，有同样的输入和输出。因此在相同的训练集上训练获得代理模型的过程中，使得代理模型的第三指标接近待评估模型的第一指标(即第三指标与第一指标的比值大于或等于第一预设阈值)。当获得符合要求的代理模型时，即可获得每个特征的重要度。

在操作S530，基于每个特征的重要度，从第一特征集合中剔除重要度小于或等于第二预设阈值的M个特征，以获得第二特征集合。

根据本公开的实施例，通过查看代理模型中各个特征的重要度，例如可以将第二预设阈值设为0(即为示例)，即从第一特征集合中剔除重要度为0的特征，然后获得第二特征集合。

利用本公开实施例的冗余特征检测方法，因为代理模型的预测性能与待评估模型相近，所以各个特征的重要度大小能够反映对待评估模型的贡献，因此将至少一个重要度较小的特征剔除，可以提高剔除特征效率。

图6示意性示出了根据本公开的实施例的操作S230中获得重构模型的流程图。

如图6所示，操作S230中获得重构模型可以包括操作S610～操作S620。

在操作S610，获得第二超参数信息，其中，第二超参数信息与待评估模型的第一超参数信息不同。

在操作S620，基于第二超参数信息配置训练过程，使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练，获得重构模型。

根据本公开的实施例，获得符合要求的代理模型后，可能从第一特征集合中剔除重要度较小的多个特征。那么利用第二特征集合获得重构模型的过程中，使用第一超参数信息训练初始模型会导致训练效率降低，甚至获得的重构模型不能满足要求，可能出现错误的冗余特征检测结果。因此，获得第二超参数信息以调整重构模型的学习能力，能够提高训练效率。

图7示意性示出了根据本公开的实施例的对待评估模型进行冗余性评估的流程图。

如图7所示，对待评估模型进行冗余性评估可以包括操作S710～操作S720。

在操作S710，当从第二特征集合剔除任一特征，获得的重构模型的第二指标与第一指标的比值小于第一预设阈值时，确定第一特征集合的冗余特征的个数为M。

根据本公开的实施例，例如从[财务数据，工商数据，征信数据，资金交易数据，舆情数据]中，确定了工商数据和舆情数据为冗余数据。在[财务数据，征信数据，资金交易数据]中剔除任一特征后，获得的重构模型的预测性能相比于待评估模型下滑严重，那么可以确定冗余特征的个数为2。

在操作S720，基于M与N的比值对待评估模型进行冗余性评估。

根据本公开的实施例，对待评估模型进行冗余性评估可以利用下式计算：

其中，Redundancy代表冗余度，M为冗余特征的个数，N为第一特征集合中特征的个数。

当冗余特征为2，第一特征集合中特征的个数为5时，该风险管理模型的冗余性为0.4。

根据本公开的另一实施例，以银行业信贷业务风险管理模型为例，预测目标客户是否发生违约风险，其可以为二分类模型。例如模型在训练集上训练待评估模型时，使用数据特征包括财务数据、工商数据、征信数据、资金交易数据、舆情数据等45个特征(仅为示例)。接着，模型在测试集上预测，根据预测结果计算AUC值，例如得到第一指标AUC值为0.89。

首先，使用特征减量法，即在第一特征集合上逐个剔除特征。对每个特征，剔除该特征后，计算重构模型的第二指标在测试集上的变动情况，若变动最小则确定其为冗余特征。重复上述过程，直到剔除任一特征后，第二指标AUC值下滑至0.8811，下滑幅度接近1％(仅为示例)。在此过程中，分别剔除流动资产周转率、债务总笔数等4个特征，计算模型冗余度约为0.09。

然后，使用代理模型法，即使用第二机器学习算法获得代理模型，并获得每个特征的重要度。例如使用梯度提升树算法基于这45个特征建模，调整超参数使模型结果的AUC值达到0.89。接着查看模型的特征重要度，发现流动资产周转率、债务总笔数这2个特征的特征重要度为0，则剔除这两个特征，使用剩余的特征重新训练模型(即获得重构模型)，若得到的AUC值能够达到0.8811以上，能够保证剔除特征之后的重构模型与待评估模型差距不超过1％，则认为这两个特征为冗余特征，计算模型冗余度为0.04。

最后，由上可知，通过特征减量法可以剔除4个特征，通过代理模型法可以剔除两个特征。因此，最终可以与特征减量法对应的重构模型代替待评估模型。

在本公开的一些实施例中，在使用代理模型法确定冗余特征之后，还可以继续使用特征减量法，进一步对剩余特征逐个检测。

利用本公开实施例的冗余特征检测方法，能够从模型的冗余性上给出模型的评价，为模型的运营管理提供决策依据，避免特征冗余造成的模型衰减风险和性能浪费问题。

图8示意性示出了根据本公开的实施例的模型的冗余特征检测装置800的框图。

如图8所示，冗余特征检测装置800可以包括获得模块810、剔除模块820、重构模块830和确定模块840。

获得模块810例如可以执行操作S210，用于获得待评估模型的第一特征集合和第一指标，其中，待评估模型包括使用第一特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第一参数信息的模型，第一指标用于表征待评估模型对测试集的预测性能。

剔除模块820例如可以执行操作S220，用于从第一特征集合中剔除M个特征获得第二特征集合，其中，M为大于或等于1的整数。

重构模块830例如可以执行操作S230，用于获得重构模型，其中，重构模型包括使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练后，获得的具有第二参数信息的模型。

确定模块840例如可以执行操作S240，用于当重构模型的第二指标与第一指标的比值大于或等于第一预设阈值时，确定M个特征为冗余特征，其中，第二指标用于表征重构模型对测试集的预测性能。

根据本公开的实施例，剔除模块820例如还可以执行操作S310、操作S320，用于从第一特征集合中逐个剔除特征，当确定一个特征为非冗余特征时，将该特征在下一次检测过程中放回后重复执行剔除、获得重构模型、以及确定冗余特征的操作。

根据本公开的实施例，剔除模块820例如还可以将i的初始值赋为[1，N]内的任一数值，循环执行操作S410～操作S440直至循环N次，其中，N为第一特征集合中的特征的个数，i为大于或等于1的整数。具体地，从第一特征集合中剔除第i个特征，获得对应的第二特征集合。当确定第i个特征为冗余特征时，剔除第i个特征，然后令i＝i+1。当确定第i个特征为非冗余特征时，放回第i个特征，然后令i＝i+1。

根据本公开的实施例，剔除模块820例如还可以执行操作S510～操作S230，用于获得代理模型，其中，代理模型包括使用第一特征集合和第二机器学习算法基于训练集对初始模型进行训练后，获得的具有第三参数信息的模型。当代理模型的第三指标与第一指标的比值大于或等于第一预设阈值时，基于第二机器学习算法获得第一特征集合中每个特征的重要度，其中，第三指标用于表征代理模型对于测试集的预测性能。基于每个特征的重要度，从第一特征集合中剔除重要度小于或等于第二预设阈值的M个特征，以获得第二特征集合。

根据本公开的实施例，重构模块830还可以用于从第一特征集合中剔除第i个特征，获得对应的第二特征集合后，基于待评估模型的第一超参数信息配置训练过程，使用第二特征集合和第一机器学习算法基于训练集训练初始模型，获得重构模型。

根据本公开的实施例，重构模块830例如还可以执行操作S610～操作S620，用于获得第二超参数信息，其中，第二超参数信息与待评估模型的第一超参数信息不同。基于第二超参数信息配置训练过程，使用第二特征集合和第一机器学习算法基于训练集对初始模型进行训练，获得重构模型。

根据本公开的实施例，冗余特征检测装置800还可以包括冗余性评估模块。冗余性评估模块例如可以执行操作S710～操作S720，用于当从第二特征集合剔除任一特征，获得的重构模型的第二指标与第一指标的比值小于第一预设阈值时，确定第一特征集合的冗余特征的个数为M。以及基于M与N的比值对待评估模型进行冗余性评估。

下面结合图9，详细说明使用冗余特征检测装置800进冗余特征检测的详细流程。

图9示意性示出了根据本公开的实施例的使用冗余特征检测装置800进行冗余特征检测的操作流程图。

如图9所示，使用冗余特征检测装置800进行冗余特征检测可以包括操作S910～操作S980。

在操作S910，可以通过冗余特征检测装置800获取到待评估模型特征集合(例如第一特征集合)、待评估模型训练集、待评估模型指标(例如第一指标)和待评估模型测试集。然后，可以选择使用特征减量法和代理模型法分别进行冗余特征检测，其中，选择特征减量法则执行操作S930，选择代理模型法则执行操作S920。

在操作S920，可以判断第一机器学习算法是否具有特征重要度，若有特征重要度，则执行操作S922，若无特征重要度，则执行操作S921。

在操作S921，若第一机器学习算法无法获得特征重要度，可以使用随机森林、梯度提升树等算法获得代理模型，具体可以参照操作S510。

在操作S922，若第一机器学习算法可以获得特征重要度，则直接获得第一特征集合中的各个特征重要度。否则从代理模型中获得各个特征重要度，具体可以参照操作S520。

在操作S923，获取重要度大于或等于预设阈值的特征，例如大于0的M个特征，具体可以参照操作S530。

在操作S930，使用特征减量法即是从第一特征集合中逐个剔除特征，具体可以参照操作S310。

在操作S940，获得第二特征集合。

在操作S950，基于第二特征集合获得重构模型，具体可以参照操作S230。

在操作S960，判断重构模型相对于待评估模型的预测性能是否下降，例如可以比较重构模型的第二指标与第一指标的比值是否大于或等于第一预设阈值。

针对利用特征减量法获得的重构模型，则在预测性能明显下降时，即确定一个特征为非冗余特征，将该特征在下一次检测过程中放回后重复执行操作S930、操作S940、操作S950、操作S960。而在预测性能没有明显下降时，执行操作S970。

针对利用代理模型法获得的重构模型，则在预测性能没有明显下降时，执行操作S970。

在操作S970，若根据特征减量法确定了一个冗余特征，则可以继续在下一次检测过程中重复执行操作S930(剔除未检测过的特征)、操作S940、操作S950、操作S960，直至检测完成第一特征集合中的全部特征。若根据代理模型法确定了M个冗余特征，则可以直接确定出冗余特征的个数。

在操作S980，基于操作S970的结果，确定出冗余特征的个数，已进行待评估模型的冗余性评估，具体可以参照操作S710～操作S720。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，获得模块810、剔除模块820、重构模块830和确定模块840中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获得模块810、剔除模块820、重构模块830和确定模块840中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获得模块810、剔除模块820、重构模块830和确定模块840中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图10示意性示出了根据本公开实施例的适于实现冗余特征检测方法和装置的计算机系统的方框图。图10示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图10所示，根据本公开实施例的计算机系统1000包括处理器1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 1003中，存储有系统1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM 1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统1000还可以包括输入/输出(I/O)接口1005，输入/输出(I/O)接口1005也连接至总线1004。系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的模型的冗余特征检测方法。

在该计算机程序被处理器1001执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。