[发明专利]一种资源需求确定模型的训练方法及装置

说明书

本申请公开了一种资源需求确定模型的训练方法，包括：获取训练特征和训练资源需求；基于训练特征和训练资源需求，训练资源需求确定模型，该资源需求确定模型用于确定多个特征的资源总需求。在训练资源需求确定模型时，通过第一损失函数和第二损失函数，更新多个特征中各个特征对应的权重，第一损失函数根据训练资源需求和资源需求确定模型输出的预测资源需求确定，第二损失函数根据多个特征中各个特征对应的权重确定，在多个特征中各个特征对应的权重为正数时，第二损失函数的值为0，在多个特征中各个特征对应的权重为负数时，第二损失函数的值不为0。利用本方案，可以准确的确定每一个特征的资源需求对资源总需求的具体贡献。

技术领域

本申请涉及数据处理领域，特别是涉及一种资源需求确定模型的训练方法及装置。

背景技术

分析和预估资源需求是运维工作中非常重要的一部分。比如通过多个网关入口的流量来推测集群所需要的中央处理器(central processing unit，CPU)数量，或者是通过行为特征数据确定需要部署的设备数量。

目前，可以训练资源需求确定模型的方式，确定资源需求。但是，采用这种方式，往往只能得到多个特征的资源总需求，而不能准确的确定每一个特征的资源需求对资源总需求的具体贡献。

因此，急需一种方案，能够解决上述问题。

发明内容

为了解决或者至少部分解决上述技术问题，本申请实施例提供了一种资源需求确定模型的训练方法及装置。

第一方面，本申请实施例提供了一种资源需求确定模型的训练方法，所述方法包括：

获取训练特征和训练资源需求，所述训练资源需求为所述训练特征所包括的多个特征的资源总需求；

基于所述训练特征和训练资源需求，训练资源需求确定模型，所述资源需求确定模型用于确定多个特征的资源总需求；其中：

在训练所述资源需求确定模型时，通过第一损失函数和第二损失函数，更新所述多个特征中各个特征对应的权重，所述第一损失函数根据所述训练资源需求和所述资源需求确定模型输出的预测资源需求确定，所述第二损失函数根据所述多个特征中各个特征对应的权重确定，在所述多个特征中各个特征对应的权重为正数时，所述第二损失函数的值为0，在所述多个特征中各个特征对应的权重为负数时，所述第二损失函数的值不为0。

可选的，所述第一损失函数为平方差损失函数。

可选的，所述第二损失函数，根据所述各个特征中每个特征的损失项确定，所述多个特征包括第一特征，所述第一特征的损失项，根据所述第一特征的权重的绝对值与所述第一特征的权重的差值确定。

可选的，所述第二损失函数，根据所述每个特征的损失项的和确定。

可选的，所述资源需求确定模型为线性模型。

可选的，所述方法还包括：

获取待分析特征，根据所述待分析特征和所述待分析特征对应的权重，确定所述待分析特征对应的资源需求贡献量，所述多个特征包括所述待分析特征。

第二方面，本申请实施例提供了一种资源需求确定模型的训练装置，所述装置包括：

第一获取单元，用于获取训练特征和训练资源需求，所述训练资源需求为所述训练特征所包括的多个特征的资源总需求；

训练单元，用于基于所述训练特征和训练资源需求，训练资源需求确定模型，所述资源需求确定模型用于确定多个特征的资源总需求；其中：