摘要
本发明公开了一种基于排列重要性技术的特征选择方法及相关系统，属于机器学习特征工程领域。针对特征选择方法难以准确评估特征对模型预测能力贡献的问题，本发明通过特征随机打乱、模型性能评估和特征重要性计算三个关键步骤实现特征重要性的客观评估，包括：选择待评估特征并随机打乱其值，保持原始特征的概率分布但破坏与目标变量的关联；使用打乱后的数据集评估预训练模型性能；通过比较特征打乱前后的模型性能差异计算特征重要性分数；对所有特征重复上述过程并按重要性排序；最终根据业务需求和性能目标选择最优特征集合。本发明能够客观评估各特征对模型的贡献度，提高模型性能和可解释性，适用于各类机器学习场景中的特征选择优化。
