[发明专利]一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置

说明书

本发明公开了一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置，属于计算机技术领域，解决缺少一种基于机器学习模型，通过智能推荐的方式，将故障的相关信息推送给合适的运维人员方法的问题。本发明的方法包括：建立GBDT+LR模型；建立运维人员智能推荐数据集；对运维人员智能推荐数据集进行预处理，预处理包括填充缺失值和特征处理；将预处理的运维人员智能推荐数据集划分为训练集和验证集；利用训练集对GBDT+LR模型进行训练，获取GBDT+LR模型的参数；根据GBDT+LR模型的参数，获取训练后的GBDT+LR模型；利用验证集对训练后的GBDT+LR模型进行验证，确定最终的GBDT+LR模型。本发明适用于我国城市轨道交通的运营维护。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置。

背景技术

近年来，我国城市轨道交通行业快速发展，在满足人民出行需求、支持和引领城市发展方面发挥了重要作用。随着信息和各种高新技术、设备在轨道交通中的普及应用，促进了轨道交通运输组织、机车技术、供电方式、维修方式的智慧化、智能化。然而，目前我国城市轨道交通的运营维护模式仍以传统的维护手段为主，随着城市轨道交通运营规模的不断扩大，部分线路的关键设施设备相继进入大修阶段，维修压力不断加大。因此，我国各地均在积极探索构建一种基于状态监测、特征提取、状态评估、故障诊断的智能综合维修系统与集成维修模式和维修决策优化的智能安全防护系统。运维人员的推荐是智能安全防护系统比较重要的环节，优选出的运维人员能够为整个安全防提升效率，但目前没有能够提供智能推荐运维人员的系统。

因此亟需一种基于机器学习模型，通过智能推荐的方式，将故障的相关信息推送给合适的运维人员的方法。

发明内容

本发明目的是为了解决现有缺少一种基于机器学习模型，通过智能推荐的方式，将故障的相关信息推送给合适的运维人员的方法的问题，提供了一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法和装置。

本发明是通过以下技术方案实现的，本发明一方面，提供一种基于梯度提升决策树与逻辑回归融合的运维人员智能推荐方法，所述方法包括：

利用 GBDT模型和LR模型，建立GBDT+LR模型；

建立运维人员智能推荐数据集，所述运维人员智能推荐数据集包括标签变量和特征变量，其中，所述标签变量包括运维人员工号和是否维修成功，所述特征变量包括运维人员基础信息指标和维修设备信息指标；

对所述运维人员智能推荐数据集进行预处理，所述预处理包括填充缺失值和特征处理，所述特征处理具体包括：若所述特征变量为连续变量，则对所述特征变量进行归一化处理；

若所述特征变量为离散变量，则对所述特征变量进行独热编码；

将所述预处理的运维人员智能推荐数据集划分为训练集和验证集；

利用所述训练集对所述GBDT+LR模型进行训练，获取所述GBDT+LR模型的参数；

根据所述GBDT+LR模型的参数，获取训练后的GBDT+LR模型；

利用所述验证集对所述训练后的GBDT+LR模型进行验证，确定最终的GBDT+LR模型。

进一步地，所述GBDT+LR模型包括GBDT模型和LR模型；

所述GBDT模型对数据集进行特征筛选以及高阶特征组合，获取新的特征向量；

所述新的特征向量为LR模型的输入，所述LR模型的输出为预测值。

进一步地，所述运维人员基础信息指标包括运维人员工龄、运维人员当前工作负载量、运维人员技能评价和维修时间截；

所述维修设备信息指标包括维修设备名称、设备故障紧急程度、故障类型、故障现象和故障地点。

进一步地，所述填充缺失值包括但不限于填充默认值，填充均值、中位数，以及线性插值法。