[发明专利]基于线性回归模型的白屏率监控方法、装置、设备及介质

说明书

本申请涉及人工智能技术领域，揭露一种基于线性回归模型的白屏率监控方法、装置、设备及介质，其中方法包括通获取样本白屏数据，并对样本白屏数据进行数据提取，得到基础训练数据；采用线性归一化算法，将基础训练数据进行归一化处理，得到目标训练数据；基于梯度下降法，根据目标训练数据对回归模型进行训练，得到训练好的线性回归模型；获取监控白屏数据，并通过训练好的线性回归模型对监控白屏数据进行数据计算，得到预测值；统计监控白屏数据中的真实白屏率，并基于预测值与真实白屏率，触发白屏告警信息。本申请还涉及区块链技术，监控白屏数据存储于区块链中。本申请基于线性回归算法来预测白屏率，提高白屏率触发告警的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于线性回归模型的白屏率监控方法、装置、设备及介质。

背景技术

白屏率作为影响APP用户体验的重要指标，备受开发运营等的关注，各大APP厂商都在如何快速影响白屏而努力，其中最主要的通知机制就是告警。影响白屏的因素很多比如网络因素，前端js渲染快慢，js是否报错，请求接口响应快慢等等。

现有的白屏监控方法是通过配置的白屏告警规则，以便可以及时地发现问题，该告警规则是根据经验定好了阈值，当白屏率达到阈值，从而触发告警。但是，白屏率跟APP的访问量相关，而APP的访问量则跟时间相关，从而导致不同时间触发白屏率不同，进而导致现有的方法监控白屏率的准确性较低。现亟需一种能够提高监控白屏率准确性的方法。

发明内容

本申请实施例的目的在于提出一种基于线性回归模型的白屏率监控方法、装置、设备及介质，以提高监控白屏率的准确性。

为了解决上述技术问题，本申请实施例提供一种基于线性回归模型的白屏率监控方法，包括：

获取样本白屏数据，将所述样本白屏数据进行切分，并基于预设维度对切分后的所述样本白屏数据进行数据提取，得到基础训练数据；

采用线性归一化算法，将所述基础训练数据进行归一化处理，得到目标训练数据；

将所述目标训练数据输入回归模型，基于梯度下降法进行训练，得到训练好的线性回归模型；

获取监控白屏数据，并通过所述训练好的线性回归模型对所述监控白屏数据进行数据计算，得到预测值；

根据预设埋点数据获取所述监控白屏数据中的真实白屏率，并基于所述预测值与所述真实白屏率，触发白屏告警信息。

为了解决上述技术问题，本申请实施例提供一种基于线性回归模型的白屏率监控装置，包括：

样板白屏数据获取模块，用于获取样本白屏数据，将所述样本白屏数据进行切分，并基于预设维度对切分后的所述样本白屏数据进行数据提取，得到基础训练数据；

基础训练数据处理模块，采用线性归一化算法，将所述基础训练数据进行归一化处理，得到目标训练数据；

线性回归模块训练模块，用于将所述目标训练数据输入回归模型，基于梯度下降法进行训练，得到训练好的线性回归模型；

监控白屏数据计算模块，用于获取监控白屏数据，并通过所述训练好的线性回归模型对所述监控白屏数据进行数据计算，得到预测值；

白屏告警信息触发模块，用于根据预设埋点数据获取所述监控白屏数据中的真实白屏率，并基于所述预测值与所述真实白屏率，触发白屏告警信息。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的基于线性回归模型的白屏率监控方法。