[發(fā)明專利]基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810516634.0
• 申請日: 2018-05-25
• 公開（公告）號: CN108763002A
• 公開（公告）日: 2018-11-06
• 發(fā)明（設(shè)計）人: 左聰越
• 申請（專利權(quán)）人: 鄭州云海信息技術(shù)有限公司
• 主分類號: G06F11/22
• 分類號: G06F11/22;G06F11/26;G06N99/00
• 代理公司: 濟(jì)南誠智商標(biāo)專利事務(wù)所有限公司 37105
• 代理人: 黃曉燕

1.基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：包括以下步驟：

獲取不同CPU的特征信息，形成訓(xùn)練數(shù)據(jù)集；

對所述訓(xùn)練數(shù)據(jù)集，結(jié)合輸入標(biāo)簽值，利用監(jiān)督式學(xué)習(xí)算法進(jìn)行訓(xùn)練建模，得到CPU故障的預(yù)測模型；

利用所述預(yù)測模型，對CPU進(jìn)行故障預(yù)測。

2.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：所述獲取不同CPU的特征信息，形成訓(xùn)練數(shù)據(jù)集的具體過程為：

在操作系統(tǒng)下運(yùn)行信息采集工具，獲取服務(wù)器上CPU的特征信息；

生成日志文件，將所述特征信息存儲在日志文件中，作為訓(xùn)練數(shù)據(jù)集；

根據(jù)所述訓(xùn)練數(shù)據(jù)集，定義特征值。

3.根據(jù)權(quán)利要求2所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：信息采集工具支持遠(yuǎn)程采集和本地采集，遠(yuǎn)程采集時通過輸入目標(biāo)服務(wù)器的BMCIP，獲取遠(yuǎn)程服務(wù)器的CPU特征信息。

4.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：對所述訓(xùn)練數(shù)據(jù)集，結(jié)合輸入標(biāo)簽值，利用監(jiān)督式學(xué)習(xí)算法進(jìn)行訓(xùn)練建模，得到CPU故障的預(yù)測模型的具體過程為：

利用sklearn中的preproccessing庫進(jìn)行數(shù)據(jù)的預(yù)處理；

結(jié)合輸入標(biāo)簽值，對預(yù)處理過的數(shù)據(jù)利用sklearn中的監(jiān)督式學(xué)習(xí)算法創(chuàng)建模型。

5.根據(jù)權(quán)利要求4所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：創(chuàng)建預(yù)測模型后還包括步驟：利用sklearn中的metrics模塊對模型進(jìn)行評估，得到預(yù)測模型。

6.根據(jù)權(quán)利要求4或5所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：對數(shù)據(jù)進(jìn)行的預(yù)處理包括對定量特征二值化和對定性特征獨熱編碼。

7.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的方法，其特征是：利用所述預(yù)測模型，對CPU進(jìn)行故障預(yù)測的具體過程為：

將所述預(yù)測模型部署到故障預(yù)測服務(wù)器上；

運(yùn)行信息采集工具，獲取待預(yù)測服務(wù)器的CPU特征信息，并上傳至故障預(yù)測服務(wù)器；

根據(jù)所述預(yù)測模型，對待預(yù)測服務(wù)器的CPU健康狀態(tài)進(jìn)行評估，得到CPU的故障預(yù)測結(jié)果。

8.基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的系統(tǒng)，其特征是：所述系統(tǒng)包括

信息獲取模塊，用于獲取不同CPU的特征信息，形成訓(xùn)練數(shù)據(jù)集；

數(shù)據(jù)建模模塊，用于對所述訓(xùn)練數(shù)據(jù)集，結(jié)合輸入標(biāo)簽值，利用監(jiān)督式學(xué)習(xí)算法進(jìn)行訓(xùn)練建模，得到CPU故障的預(yù)測模型；

故障預(yù)測模塊，利用所述預(yù)測模型，對CPU進(jìn)行故障預(yù)測。

9.根據(jù)權(quán)利要求8所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的系統(tǒng)，其特征是：所述數(shù)據(jù)建模模塊包括

預(yù)處理單元，利用sklearn中的preproccessing庫進(jìn)行數(shù)據(jù)的預(yù)處理；

模型創(chuàng)建單元，用于結(jié)合輸入標(biāo)簽值，對預(yù)處理過的數(shù)據(jù)利用sklearn中的監(jiān)督式學(xué)習(xí)算法創(chuàng)建模型。

10.根據(jù)權(quán)利要求8所述的基于機(jī)器學(xué)習(xí)預(yù)測CPU故障的系統(tǒng)，其特征是：所述故障預(yù)測模塊包括：

模型部署單元，用于將所述預(yù)測模型部署到故障預(yù)測服務(wù)器上；

信息采集單元，用于運(yùn)行信息采集工具，獲取待預(yù)測服務(wù)器的CPU特征信息，并上傳至故障預(yù)測服務(wù)器；

故障評估單元，根據(jù)所述預(yù)測模型，對待預(yù)測服務(wù)器的CPU健康狀態(tài)進(jìn)行評估，得到CPU的故障預(yù)測結(jié)果。