[发明专利]预测模型训练方法和装置、资源管理方法和装置

权利要求书

1.一种预测模型训练方法，包括：

利用预设的标注规则对第一样本数据进行标注，以得到第二样本数据；

利用第二样本数据对机器学习模型进行训练；

将第一样本数据输入训练后的机器学习模型，以得到预测结果；

根据预测结果对预设的标注规则进行更新，以得到当前的标注规则；

利用当前的标注规则对第一样本数据进行标注，以得到第三样本数据；

利用第三样本数据对训练后的机器学习模型进行训练以得到预测模型。

2.根据权利要求1所述的方法，还包括：

根据预测结果修正第二样本数据中的错误标注，并根据修正内容生成增量样本数据；

利用第三样本数据对训练后的机器学习模型进行训练以得到预测模型包括：

利用第三样本数据和增量样本数据对训练后的机器学习模型进行训练，以得到预测模型。

3.根据权利要求2所述的方法，还包括：

在得到预测模型后，将第一样本数据输入预测模型，以得到预测结果；

根据预测结果对当前的标注规则进行更新，根据预测结果修正第三样本数据中的错误标注，并根据修正内容生成增量样本数据；

重复执行利用当前的标注规则对第一样本数据进行标注的步骤，直至满足训练结束条件为止。

4.根据权利要求1-3中任一项所述的方法，其中，

第一样本数据包括容器样本数据或物理机样本数据。

5.一种预测模型训练装置，包括：

第一处理模块，被配置为利用预设的标注规则对第一样本数据进行标注，以得到第二样本数据；

第二处理模块，被配置为利用第二样本数据对机器学习模型进行训练；

第三处理模块，被配置为将第一样本数据输入训练后的机器学习模型，以得到预测结果；

第四处理模块，被配置为根据预测结果对预设的标注规则进行更新，以得到当前的标注规则；

第五处理模块，被配置为利用当前的标注规则对第一样本数据进行标注，以得到第三样本数据，利用第三样本数据对训练后的机器学习模型进行训练以得到预测模型。

6.一种预测模型训练装置，包括：

存储器，被配置为存储指令；

处理器，耦合到存储器，处理器被配置为基于存储器存储的指令执行实现如权利要求1-4中任一项所述的方法。

7.一种资源管理方法，包括：

将容器指标数据输入第一预测模型，以得到第一预测结果，其中第一预测模型利用权利要求1-4中任一项所述的训练方法对容器样本数据进行处理得到；

将容器静态数据与第一预测结果进行聚合，以得到第一处理结果；

将物理机指标数据输入第二预测模型，以得到第二预测结果，其中第二预测模型利用权利要求1-4中任一项所述的训练方法对物理机样本数据进行处理得到；

将物理机静态数据与第二预测结果进行聚合，以得到第二处理结果；

将第一处理结果和第二处理结果合并，以得到资源汇总结果。

8.一种资源管理装置，包括：

第一管理模块，被配置为将容器指标数据输入第一预测模型，以得到第一预测结果，其中第一预测模型利用权利要求1-4中任一项所述的训练方法对容器样本数据进行处理得到；

第二管理模块，被配置为将容器静态数据与第一预测结果进行聚合，以得到第一处理结果；

第三管理模块，被配置为将物理机指标数据输入第二预测模型，以得到第二预测结果，其中第二预测模型利用权利要求1-4中任一项所述的训练方法对物理机样本数据进行处理得到；

第四管理模块，被配置为将物理机静态数据与第二预测结果进行聚合，以得到第二处理结果；

第五管理模块，被配置为将第一处理结果和第二处理结果合并，以得到资源汇总结果。

9.一种资源管理装置，包括：

存储器，被配置为存储指令；

处理器，耦合到存储器，处理器被配置为基于存储器存储的指令执行实现如权利要求7所述的方法。

10.一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如权利要求1-4、7中任一项所述的方法。