[发明专利]一种数据分析系统会诊方法及相关装置

权利要求书

1.一种数据分析系统会诊方法，其特征在于，包括：

当接收到用于对目标指标的数据进行分析的数据分析系统的测试指令时，对所述数据分析系统进行实时测试，并输出测试结果；

判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过；

若所述测试结果为未通过，获取所述测试结果为未通过时对应的所述预定上限值及所述预定下限值中的目标限值，计算所述测试结果超出所述目标限值的差值；

将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型，输出测试调整方案，其中，所述测试调整方案用于指示如何调整使得测试结果为通过。

2.根据权利要求1所述的方法，其特征在于，按照不同类型的目标指标分别训练有对应于不同类型的目标指标的机器学习模型，则所述将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型进行训练，输出测试调整方案，包括：

获取所述目标指标的类型对应的预先训练好的机器学习模型；

将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入所述目标指标的类型对应的预先训练好的机器学习模型，输出测试调整方案。

3.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练方法包括：

收集事先标记了如何调整使得测试结果为通过的测试调整方案的包括目标指标的数据、所述测试结果、所述差值以及所述目标限值的样本的集合；

将所述样本的集合中每个样本分别输入机器学习模型，调整机器学习模型输出每个所述样本对应的测试调整方案；

如果存在有所述样本输入机器学习模型后，机器学习模型的输出与所述样本对应的测试调整方案不一致，则调整机器学习模型的系数直到一致；

当所有的所述样本输入机器学习模型后，机器学习模型的输出与所述样本对应的测试调整方案一致，机器学习模型的训练结束。

4.根据权利要求1所述的方法，其特征在于，所述判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过，包括：

从预设限值表中，获取所述测试结果对应的所述目标指标的数据对应的所述预定上限值和所述预定下限值；

根据所述预定上限值和所述预定下限值，判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从调整方案记录表中，获取机器学习模型输出的测试调整方案中每个子调整方案的历史选择率；

向用户输出历史选择率超过预定阈值的多个所述子调整方案。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述数据分析系统的当前版本对于所述当前版本之前的上一版本的第一调整目标；

获取所述测试调整方案的第二调整目标；

根据所述第一调整目标及所述第二调整目标获取所述测试调整方案的正确性概率。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一调整目标及所述第二调整目标获取所述测试调整方案的正确性概率，包括：

获取所述第一调整目标对应的调整影响函数；

根据所述第二调整目标获取所述调整函数中每个调整变量的调整系数；

根据所述调整系数及所述调整影响函数，获取所述测试调整方案的正确性概率。