基于机器学习模型性能反馈的输入数据维度有效性评估方法、系统及存储介质

本发明公开了一种基于机器学习模型性能反馈的输入数据维度有效性评估方法，属于机器学习特征工程领域，主要解决高维数据场景下维度有效性难以量化评估，及多维体系合理性和维度冗余性难以判别的问题。其要点为：将数据划分N个维度并选定目标机器学习模型；通过单维度训练与交叉验证筛选最优有效维度为已选维度；迭代固定已选维度并逐次加入新维度验证，筛选使模型性能提升最大的下一有效维度，直至模型性能无法提升或维度用尽，最终按顺序输出M个有效维度。该方法主要用于金融风控、多源数据融合及物联网监测等领域，为多维体系的合理构建与冗余维度识别提供客观依据。