[发明专利]预测模型训练方法和装置、资源管理方法和装置

说明书

本公开提供一种预测模型训练方法和装置、资源管理方法和装置。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。

技术领域

本公开涉及信息处理领域，特别涉及一种预测模型训练方法和装置、资源管理方法和装置。

背景技术

现有机器资源的规模越来越庞大，业务组件越来越复杂，导致运维复杂度也会呈几何式增长。通过人力已经无法有效支撑(稳定性，效率，成本，安全)其业务发展，所以运维智能化的需求越来越迫切。成本优化与资源优化是智能运维当中的重要一环，其中包括资源回收，容量预测等。通过合理运用，可为企业节约大量成本，避免资源浪费。目前，资源优化平台主要通过规则库来对获取的资源指标数据进行分类判断。

发明内容

发明人通过研究发现，现有技术中通过繁琐的规则库对获取的资源指标数据进行分类判断，其时效性不能得到有效的保证，并且维护规则库的复杂程度以及人力成本很高。

据此，本公开提供一种资源管理方案，通过机器学习算法实现对获取的资源指标数据实现智能分类，从而有效提升运维管理效率。

根据本公开实施例的第一方面，提供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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，第一样本数据包括容器样本数据或物理机样本数据。

根据本公开实施例的第二方面，提供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。

根据本公开实施例的第三方面，提供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上述任一实施例所述的方法。