[发明专利]系统资源数据分配方法和装置

说明书

本说明书涉及机器学习技术领域，具体地公开了一种系统资源数据分配方法和装置，其中，该方法包括：接收目标特征数据，其中，目标特征数据用于表征目标用户的出行概率；基于第一分类器和目标特征数据，确定目标用户的第一出行类别，基于第二分类器和目标特征数据，确定目标用户的第二出行类别，其中，第一分类器的精确率大于预设精确率，第二分类器的召回率大于预设召回率；根据第一出行类别和第二出行类别向目标用户分配系统资源数据。基于上述方案对系统资源数据进行分配，可以提高资源利用率，节约资源成本。

技术领域

本说明书涉及机器学习技术领域，特别涉及一种系统资源数据分配方法和装置。

背景技术

随着大数据服务平台技术的快速发展，资源数据服务类型以及可选择的服务渠道也越来越多样化、越来越便捷。可以通过对资源数据进行合理分配，来提高资源利用率。

目前，在对系统资源数据进行分配时，一般采用人工方式进行分配，需要依赖工作人员的工作经验，因此，整体分配效率较低。并且，这种资源分配的方式也很难达到最优的分配效果，容易导致系统资源分配不均衡，利用率不高。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书实施例提供了一种系统资源数据分配方法和装置，以提高系统资源数据的利用率，节约资源成本。

本说明书实施例提供了一种系统资源数据分配方法，应用于服务器，包括：接收目标特征数据，其中，目标特征数据用于表征目标用户的出行概率；基于第一分类器和目标特征数据，确定目标用户的第一出行类别，基于第二分类器和目标特征数据，确定目标用户的第二出行类别，其中，第一分类器的精确率大于预设精确率，第二分类器的召回率大于预设召回率；根据第一出行类别和第二出行类别向目标用户分配系统资源数据。

在一个实施例中，在接收目标特征数据之前，还包括：获取具有用于表征用户出行概率的特征数据集和标签集，其中，标签集包括特征数据集中的多个特征数据中的各特征数据对应的出行类别；利用特征数据集和标签集，构建第一分类器，其中，第一分类器的精确率大于预设精确率；利用特征数据集和标签集，构建第二分类器，其中，第二分类器的召回率大于预设召回率。

在一个实施例中，利用特征数据集和标签集，构建第一分类器，包括：将特征数据集划分为第一特征数据训练集和第一特征数据测试集，将标签集划分为第一特征数据训练集对应的第一标签训练集和第一特征数据测试集对应的第一标签测试集，其中，第一标签训练集中的正类别的个数大于负类别的个数；基于第一特征数据训练集、第一特征数据测试集、第一标签训练集和第一标签测试集，构建第一分类器。

在一个实施例中，利用特征数据集和标签集，构建第二分类器，包括：将特征数据集划分为第二特征数据训练集和第二特征数据测试集，将标签集划分为第二特征数据训练集对应的第二标签训练集和第二特征数据测试集对应的第二标签测试集，其中，第二标签训练集中的正类别的个数小于负类别的个数；基于第二特征数据训练集、第二特征数据测试集、第二标签训练集和第二标签测试集，构建第二分类器。

在一个实施例中，根据第一出行类别和第二出行类别向目标用户分配系统资源数据，包括：在第一出行类别为正的情况下，不向目标用户分配系统资源数据；在第二出行类别为负的情况下，按照第一预设方式向目标用户分配系统资源数据。

在一个实施例中，根据第一出行类别和第二出行类别向目标用户分配系统资源数据，包括：在第一出行类别为负且第二出行类别为正的情况下，按照第二预设方式向目标用户分配系统资源数据。