(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221098713 5.6 (22)申请日 2022.08.17 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 周魁　廖鸿存　皇甫晓洁 　张倩妮　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 崔博　任默闻 (51)Int.Cl. G06N 20/00(2019.01) G06Q 30/02(2012.01) (54)发明名称 机器学习特 征因子稳定性度量方法及装置 (57)摘要 本申请实施例提供一种机器学习特征因子 稳定性度量方法及装置， 涉及机器学习领域， 方 法包括： 将设定时间周期的历史市场数据作为模 型训练数据； 根据所述模型训练数据和设定滚动 模式对预设机器学习预测模型进行模 型训练， 得 到特征因子组合序列； 根据所述特征因子组合序 列中各特征因子的出现频率和出现时间， 确定最 优特征因子组合； 本申请能够 有效提高机器学习 模型预测效果。 权利要求书2页 说明书9页 附图4页 CN 115293364 A 2022.11.04 CN 115293364 A 1.一种机器学习特 征因子稳定性度量方法， 其特 征在于， 所述方法包括： 将设定时间周期的历史市场数据作为模型训练数据； 根据所述模型训练数据和设定滚动模式对预设机器学习预测模型进行模型训练， 得到 特征因子组合序列； 根据所述特征因子组合序列中各特征因子的出现频率和出现时间， 确定最优特征因子 组合。 2.根据权利要求1所述的机器学习特征因子稳定性度量方法， 其特征在于， 所述根据 所 述模型训练数据和设定滚动模式对预设机器学习预测模型进 行模型训练， 得到特征因子组 合序列， 包括： 根据不同模型训练数据之间的数值比较结果确定各模型训练数据的市场涨跌标签； 根据不同模型训练数据的组合对预设机器学习预测模型进行模型训练， 确定特征因子 组合序列。 3.根据权利要求1所述的机器学习特征因子稳定性度量方法， 其特征在于， 所述根据 所 述特征因子组合序列中各 特征因子的出现频率和出现时间， 确定最优特 征因子组合， 包括： 根据所述特 征因子组合序列中不同的特 征因子组合构建特 征子集； 确定各特征因子组合在所有特征子集中的出现频率， 根据 所述出现频率和对应的出现 时间确定最优特 征因子组合。 4.根据权利要求1所述的机器学习特征因子稳定性度量方法， 其特征在于， 在所述根据 所述特征因子组合序列中各特征因子的出现频率和出现时间， 确定最优特征因子组合之 后， 包括： 将所述最优特征因子组合作为预设机器学习预测模型的模型参数； 对预设机器学习预测模型进行再次模型训练， 得到经过模型训练后的机器学习预测模 型。 5.一种机器学习特 征因子稳定性度量装置， 其特 征在于， 包括： 数据准确模块， 用于将设定时间周期的历史市场数据作为模型训练数据； 滚动训练模块， 用于根据所述模型训练数据和设定滚动模式对预设机器学习预测模型 进行模型训练， 得到特 征因子组合序列； 最优计算模块， 用于根据所述特征因子组合序列中各特征因子的出现频率和出现时 间， 确定最优特 征因子组合。 6.根据权利要求5所述的机器学习特征因子稳定性度量装置， 其特征在于， 所述滚动训 练模块包括： 标签确定单元， 用于根据不同模型训练数据之间的数值比较结果确定各模型训练数据 的市场涨跌标签； 序列确定单元， 用于根据不同模型训练数据的组合对预设机器学习预测模型进行模型 训练， 确定特 征因子组合序列。 7.根据权利要求5所述的机器学习特征因子稳定性度量装置， 其特征在于， 所述最优计 算模块包括： 子集构建单元， 用于根据所述特征因子组合序列中不同的特征因子组合构建特征子 集；权　利　要　求　书 1/2 页 2 CN 115293364 A 2频率计算单元， 用于确定各特征因子组合在所有特征子集中的出现频率， 根据所述出 现频率和对应的出现时间确定最优特 征因子组合。 8.根据权利要求5所述的机器学习特 征因子稳定性度量装置， 其特 征在于， 还 包括： 参数确定单元， 用于将所述最优特征因子组合作为预设机器学习预测模型的模型参 数； 模型再训练单元， 用于对预设机器学习预测模型进行再次模型训练， 得到经过模型训 练后的机器学习预测模型。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求1至4任一项所述的机器学 习特征因子稳定性度量方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现权利要求1至4任一项所述的机器学习特 征因子稳定性度量方法的步骤。 11.一种计算机程序产品， 包括计算机程序/指令， 其特征在于， 该计算机程序/指令被 处理器执行时实现权利要求1至4任一项所述的机器学习特 征因子稳定性度量方法的步骤。权　利　要　求　书 2/2 页 3 CN 115293364 A 3