设计应用

基于强化学习的特征工程算法研究

作者：谢斌1，2，林珊玲2，3，林志贤1，2，郭太良1，2

发布日期：2021-07-05

来源：2021年电子技术应用第7期

0 引言

机器学习广泛应用于人们的日常生活中，其中预测分析广泛应用于多个领域的决策，包括欺诈检测^[1-2]、在线广告^[3-4]、风险管理、市场营销等。预测模型是采用监督学习算法来进行预测，通过历史数据进行训练分类或者回归模型来预测未知的结果，以起到决策的作用。数据的表示方法对于模型的准确度十分重要，原始的数据空间往往难以表达数据。因此，在模型构建之前对数据进行适当的处理及转换是必不可少的。

特征工程的主要目的就是改变预测建模的特征以更好地适应算法的训练，通过生成那些判别性高的特征来提高模型训练的准确度。在现实中，特征工程是由数据科学家手动和根据领域知识来进行的，这一过程往往是十分繁琐且耗时的^[5]，而且很容易产生错误和偏差。

本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003649。

作者信息：

谢斌1，2，林珊玲2，3，林志贤1，2，郭太良1，2

(1.福州大学物理与信息工程学院，福建福州350116；

2.中国福建光电信息科学与技术创新实验室，福建福州350116；3.福州大学先进制造学院，福建泉州362200)