[发明专利]系统及其指标优化方法及装置

说明书

本申请提供了一种系统及其指标优化方法及装置，该方法包括：获取系统的所有已用指标参数及其数值，以及所有待选用指标参数及其数值；基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值；以所述特征参数集的数值作为输入，并以所述所有待选用指标参数的数值作为目标输出，训练预设的机器学习模型，获得所述所有待选用指标参数的数值的预测值；获取所述所有待选用指标参数中每个待选用指标的数值与其对应预测值的差异度量值；选取出预设数量个其差异度量值最大的待选用指标作为所述系统的新增指标。本申请可提高指标优选效率，并降低系统性能抖动。

技术领域

本申请涉及数据处理技术领域，尤其是涉及一种系统及其指标优化方法及装置。

背景技术

随着时间的推移，一些系统在实际应用过程中，其相关统计信息在不断累积丰富，而通过对统计信息的分析和处理，可能会发现需要有新指标添加进来并在此基础上重构系统，以提升其性能。

而随着计算机网络及信息技术的不断发展变化，目前已有一些系统具有自动构建新指标集的功能，这些新指标集可以帮助系统适应新的变化，从而有利于提高系统性能。但由于通常新指标集中的新指标的数量往往较大，而其中有些系统(比如在线系统)的资源有限，因而可能无法满足使用全部的新指标。在这种情况下，需要从新指标集里优选出最有效的指标，以便于实现以较少的指标集带来较大的系统性能提升。

目前针对新指标优选的方法主要是将新指标集中所有新指标依次单独加入已有系统的原指标集，重新训练，然后根据系统性能的提升幅度来排序，并最终依据排序选择一部分新指标。

然而，本申请的发明人发现：上述方法需要逐个遍历新指标集中每一个新指标，非常耗时。同时，如果已有系统已经较为复杂，新增的单个指标实际并不一定能够为该系统带来实际的性能提升。有时候，系统性能的抖动甚至可能是由于随机参数的选取造成的，因此，一般的，往往需要同时加入一组指标，才可能看到实际的效果。而按照现有技术从一个新指标集中优选一组指标的遍历复杂度是指数级的，这会占用太多的系统资源，工程上几乎难以实施。

发明内容

本申请实施例的目的在于提供一种系统及其指标优化方法及装置，以提高系统指标优选效率，降低系统性能的抖动。

为达到上述目的，一方面本申请实施例提供了一种系统指标优化方法，包括以下步骤：

获取系统的所有已用指标参数及其数值，以及所有待选用指标参数及其数值；

基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值；

以所述特征参数集的数值作为输入，并以所述所有待选用指标参数的数值作为目标输出，训练预设的机器学习模型，获得所述所有待选用指标参数的数值的预测值；

获取所述所有待选用指标参数中每个待选用指标的数值与其对应预测值的差异度量值；

选取出预设数量个其差异度量值最大的待选用指标作为所述系统的新增指标。

另一方面，本申请实施例还提供了一种系统指标优化装置，包括：

数据获取模块，用于获取系统的所有已用指标参数及其数值，以及所有待选用指

标参数及其数值；

数据降维模块，用于基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值；

数据预测模块，用于以所述特征参数集的数值作为输入，并以所述所有待选用指标参数的数值作为目标输出，训练预设的机器学习模型，获得所述所有待选用指标参数的数值的预测值；

差异获取模块，用于获取所述所有待选用指标参数中每个待选用指标的数值与其对应预测值的差异度量值；