[发明专利]分类模型的生成方法及装置、系统容量的预估方法及装置

权利要求书

1.一种分类模型的生成方法，其特征在于，所述方法包括：

采集生产环境的系统数据和测试环境的系统数据；

分别从所述生产环境的系统数据和所述测试环境的系统数据中提取特征向量；

生成系统容量与系统容量级别的对应关系；

对提取出的特征向量、生产环境的系统容量数据、测试环境的系统容量数据和所述对应关系进行机器学习，以生成分类模型；

其中，对提取出的特征向量、生产环境的系统容量数据、测试环境的系统容量数据和所述对应关系进行机器学习，以生成分类模型，包括：

根据从测试环境的系统数据中提取出的特征向量、从实际环境的系统数据中提取出的特征向量、各系统容量数据，生成第一数据集和第二数据集；

获得未标定数据集和第一权重向量；

利用分类算法对所述第一数据集、所述第二数据集、所述未标定数据集和所述第一权重向量进行机器学习，以生成分类模型；

利用所述分类模型在第二数据集上误差，并根据所述误差重新计算权重向量，以获得第二权重向量；

利用所述第二权重向量重新生成分类模型，直到达到指定的迭代次数达时停止；

输出所述分类模型。

2.根据权利要求1所述的方法，其特征在于，所述生产环境的系统数据包括：生产环境的系统运行性能数据、生产环境的系统部署数据和生产环境的系统配置数据中至少一个。

3.根据权利要求1所述的方法，其特征在于，所述测试环境的系统数据包括：测试环境的系统运行性能数据、测试环境的系统部署数据和测试环境的系统配置数据中至少一个。

4.根据权利要求1至3中任一项所述的方法，其特征在于，从系统数据中提取特征向量的方法包括：

对所述系统数据进行数据格式的标准化处理，所述系统数据为所述生产环境的系统数据或者所述测试环境的系统数据；

对经过标准化处理的所述系统数据进行去噪处理；

利用降维算法，对经过去噪处理的所述系统数据进行降维处理，获得所述系统数据的特征向量。

5.一种系统容量的预估方法，其特征在于，所述方法包括：

采集测试环境的系统数据；

根据所述测试环境的系统数据，并利用分类模型，获得生产环境的系统容量级别；其中，所述分类模型为利用权利要求1至4中任一项所述的分类模型的生成方法获得的。

6.根据权利要求5所述的方法，其特征在于，根据所述测试环境的系统数据，并利用分类模型，获得生产环境的系统容量级别，包括；

对所述系统数据进行数据格式的标准化处理；

对经过标准化处理的所述系统数据进行去噪处理；

利用降维算法，对经过去噪处理的所述系统数据进行降维处理，获得所特征向量；

根据从所述系统数据提取出的特征向量，并利用分类模型，获得生产环境的系统容量级别。

7.一种分类模型的生成装置，其特征在于，所述装置包括：

数据采集模块，用于采集生产环境的系统数据和测试环境的系统数据；

特征提取模块，用于分别从所述生产环境的系统数据和所述测试环境的系统数据中提取特征向量；

级别处理模块，用于生成系统容量与系统容量级别的对应关系；

模型生成模块，用于对提取出的特征向量、生产环境的系统容量数据、测试环境的系统容量数据和所述对应关系进行机器学习，以生成分类模型；

其中，所述模型生成模块，具体用于：

根据从测试环境的系统数据中提取出的特征向量、从实际环境的系统数据中提取出的特征向量、各系统容量数据，生成第一数据集和第二数据集；

获得未标定数据集和第一权重向量；

利用分类算法对所述第一数据集、所述第二数据集、所述未标定数据集和所述第一权重向量进行机器学习，以生成分类模型；

利用所述分类模型在第二数据集上误差，并根据所述误差重新计算权重向量，以获得第二权重向量；

利用所述第二权重向量重新生成分类模型，直到达到指定的迭代次数达时停止；

输出所述分类模型。