[发明专利]模型的训练方法、筛选标准输出方法、筛选方法及装置

说明书

本公开提供了一种模型的训练方法、筛选标准输出方法、筛选方法及装置。涉及物联网、人工智能等技术领域。模型的训练方法包括：获取目标硬盘的目标硬盘属性信息，其中，目标硬盘满足目标筛选阈值，目标筛选阈值包括针对目标硬盘的至少一个硬盘属性信息定义的阈值；获取第一业务针对目标硬盘定义的第一硬盘属性期望值，其中，第一业务具有第一业务类型信息；将目标硬盘属性信息、第一业务类型信息和第一硬盘属性期望值输入待训练的预测模型，得到预测筛选阈值，其中，预测筛选阈值用于在将目标硬盘应用于第一业务的情况下被调用；以及利用目标筛选阈值和预测筛选阈值训练预测模型。

技术领域

本公开涉及物联网、人工智能等技术领域，更具体地，涉及一种模型的训练方法、筛选标准输出方法、筛选方法及装置。

背景技术

在互联网企业及信息化企业中，需要为存储海量信息购买大量存储设备。硬盘作为良好的数据存储介质，是较为常见的存储设备之一。由于业务特性和性能需求的不同，不同业务场景中可以选用不同类型的硬盘。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：针对不同的业务场景筛选硬盘时存在困难，筛选效率低。

发明内容

有鉴于此，本公开提供了一种模型的训练方法、筛选标准输出方法、筛选方法及装置。

本公开的一个方面提供了一种预测模型的训练方法，包括：获取目标硬盘的目标硬盘属性信息，其中，所述目标硬盘满足目标筛选阈值，所述目标筛选阈值包括针对所述目标硬盘的至少一个硬盘属性信息定义的阈值；获取第一业务针对所述目标硬盘定义的第一硬盘属性期望值，其中，所述第一业务具有第一业务类型信息；将所述目标硬盘属性信息、所述第一业务类型信息和所述第一硬盘属性期望值输入待训练的预测模型，得到预测筛选阈值，其中，所述预测筛选阈值用于在将所述目标硬盘应用于所述第一业务的情况下被调用；以及利用所述目标筛选阈值和所述预测筛选阈值训练所述预测模型。

本公开的另一个方面提供了一种硬盘筛选标准输出方法，包括：获取第二待筛选硬盘的第二硬盘属性信息；获取第二业务针对所述第二待筛选硬盘定义的第二硬盘属性期望值，其中，所述第二业务具有第二业务类型信息；将所述第二硬盘属性信息、所述第二业务类型信息和所述第二硬盘属性期望值输入预测模型，得到标准筛选阈值，其中，所述预测模型是基于本公开所述的预测模型的训练方法训练得到的；以及根据所述标准筛选阈值确定硬盘筛选标准。

本公开的另一个方面提供了一种硬盘筛选方法，包括：获取第四待筛选硬盘的第四硬盘属性信息，其中，所述第四待筛选硬盘包括满足第三预定义使用条件的硬盘；以及根据硬盘筛选标准和第四硬盘属性信息，对所述第四待筛选硬盘进行筛选，其中，所述硬盘筛选标准包括根据本公开所述的硬盘筛选标准输出方法输出的标准。

本公开的另一个方面提供了一种预测模型的训练装置，包括：第一获取模块，用于获取目标硬盘的目标硬盘属性信息，其中，所述目标硬盘满足目标筛选阈值，所述目标筛选阈值包括针对所述目标硬盘的至少一个硬盘属性信息定义的阈值；第二获取模块，用于获取第一业务针对所述目标硬盘定义的第一硬盘属性期望值，其中，所述第一业务具有第一业务类型信息；第一获得模块，用于将所述目标硬盘属性信息、所述第一业务类型信息和所述第一硬盘属性期望值输入待训练的预测模型，得到预测筛选阈值，其中，所述预测筛选阈值用于在将所述目标硬盘应用于所述第一业务的情况下被调用；以及训练模块，用于利用所述目标筛选阈值和所述预测筛选阈值训练所述预测模型。

本公开的另一个方面提供了一种硬盘筛选标准输出装置，包括：第三获取模块，用于获取第二待筛选硬盘的第二硬盘属性信息；第四获取模块，用于获取第二业务针对所述第二待筛选硬盘定义的第二硬盘属性期望值，其中，所述第二业务具有第二业务类型信息；第二获得模块，用于将所述第二硬盘属性信息、所述第二业务类型信息和所述第二硬盘属性期望值输入预测模型，得到标准筛选阈值，其中，所述预测模型是基于预测模型的训练装置训练得到的；以及第一确定模块，用于根据所述标准筛选阈值确定硬盘筛选标准。