一种利用大语言模型探索流数据场景下特征选择的方法

本发明涉及特征选择领域，具体公开了一种利用大语言模型探索流数据场景下特征选择的方法，包括：S1、提取初始特征；S2、初始化数据漂移滑动窗口参数设置：初始化下游模型与历史记录容器；S3、流数据输入与预处理；S4、获取特征重要性构造提示词并批量请求特征重要性；S5、解析GPT结果并统计全局特征得分；S6、模型训练与更新；S7、重复S3‑S6直到流数据实验结束。本发明有效提升特征选择的准确性与实时性，实现了语义信息的深度利用，为流数据场景下的高效建模与精准预测提供了创新解决方案。