摘要
本申请公开了一种特征库压缩方法、装置、电子设备及存储介质,用以解决现有特征库压缩方式降低机器学习模型的精准度的问题,所述方法包括:针对特征库中的每一特征,获取特征对应的衍生指向度,特征对应的衍生指向度表征特征与特征库中其他特征之间的依赖程度;基于特征对应的衍生指向度与其他各特征对应的衍生指向度之间的偏差,分别确定特征与其他各特征之间的偏差;将特征和与其偏差最小的特征确定为一组特征分支最小结构;根据每一组特征分支最小结构对应的衍生指向度确定各自对应的权重,特征分支最小结构对应的衍生指向度表征特征分支最小结构与其他特征分支最小结构之间的依赖程度;将权重小于预设阈值的特征分支最小结构从特征库中删除。
技术关键词
机器学习模型
分支
偏差
精度
矩阵
电子设备
处理器
压缩装置
可读存储介质
存储器
程序
关系
计算机
系统为您推荐了相关专利信息
混合整数规划模型
分支定界法
启发式搜索
变量
瓶颈
知识图谱问答
动态更新方法
关系
注意力机制
词嵌入向量