[发明专利]基于机器学习的数据分析方法、装置、设备及存储介质

权利要求书

1.一种基于机器学习的数据分析方法，其特征在于，应用于大数据平台，所述大数据平台上设置了SDK接口，所述方法包括：

调用所述SDK接口获取一个或多个业务终端发送的数据分析请求，所述数据分析请求中携带了指定格式的一个或多个业务应用的日志信息以及数据分析标识，其中，所述SDK接口中配置了指定规则，所述指定规则用于指示各个业务终端在发送所述一个或多个业务应用的日志信息之前，按照所述指定规则对各个业务应用的日志信息进行处理；

根据所述数据分析标识从所述大数据平台中选取与所述数据分析标识对应的预训练的数据分析模型；

将所述指定格式的一个或多个业务应用的日志信息输入从所述大数据平台选取的所述预训练的数据分析模型，得到数据分析结果；

当根据所述数据分析结果确定出存在异常数据的目标业务应用时，向存在异常数据的目标业务应用对应的目标业务终端发送通知消息，所述通知消息用于通知所述目标业务终端处理所述异常数据。

2.根据权利要求1所述的方法，其特征在于，所述将所述指定格式的一个或多个业务应用的日志信息输入从所述大数据平台选取的所述预训练的数据分析模型，得到数据分析结果，包括：

从所述指定格式的各个业务应用的日志信息中获取一个或多个第一指定字段；

将所述一个或多个第一指定字段中的第一字段日志信息输入所述预训练的数据分析模型，得到所述数据分析结果。

3.根据权利要求1所述的方法，其特征在于，所述将所述指定格式的一个或多个业务应用的日志信息输入从所述大数据平台选取的所述预训练的数据分析模型，得到数据分析结果，包括：

根据所述数据分析请求中携带的数据分析标识，确定数据分析的类型；

根据所述数据分析的类型从所述指定格式的各个业务应用的日志信息中选取与所述数据分析的类型对应的一个或多个第二指定字段；

将所述一个或多个第二指定字段中的第二字段日志信息输入所述预训练的数据分析模型，得到所述数据分析结果。

4.根据权利要求1所述的方法，其特征在于，所述当根据所述数据分析结果确定出存在异常数据的目标业务应用时，向存在异常数据的目标业务应用对应的目标业务终端发送通知消息，包括：

根据所述数据分析结果确定所述各个业务应用中是否存在异常数据；

如果检测结果为存在，则获取存在异常数据的目标业务应用，并向存在异常数据的目标业务应用对应的目标业务终端发送通知消息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述数据分析结果确定所述各个业务应用中是否存在异常数据，包括：

获取所述数据分析结果中所述各个业务应用存在异常数据的概率；

当所述各个业务应用存在异常数据的概率大于预设阈值时，确定所述概率大于所述预设阈值的目标业务应用存在异常数据。

6.根据权利要求1所述的方法，其特征在于，所述根据所述数据分析标识从所述大数据平台中选取与所述数据分析标识对应的预训练的数据分析模型之前，还包括：

根据数据分析的类型收集与数据分析的类型对应的样本数据集，所述样本数据集中包括多个训练样本数据，所述训练样本数据包括但不限于不同业务应用的历史日志信息；

将所述样本数据集中的多个训练样本数据输入预设的机器学习算法模型中进行训练，得到所述数据分析模型。

7.根据权利要求6所述的方法，其特征在于，所述将所述样本数据集中的多个训练样本数据输入预设的机器学习算法模型中进行训练，得到所述数据分析模型，包括：

将所述样本数据集中的多个训练样本数据输入预设的机器学习算法模型中，得到损失函数值；

当所述损失函数值不满足预设条件时，根据所述损失函数值调整所述预设的机器学习算法模型的模型参数，并将所述训练样本数据输入调整所述模型参数后的机器学习算法模型中重新训练；

当重新训练得到的损失函数值满足所述预设条件时，确定得到所述数据分析模型。