[发明专利]数据分析设备、多模型共决策系统及方法

说明书

本申请提供了一种数据分析设备、多模型共决策系统及方法。通过数据分析设备依据组合学习算法对目标业务进行训练得到多个学习模型，生成用于指示安装该多个学习模型的安装消息，并向另一个数据分析设备发送该安装消息，该安装消息用于触发多个学习模型的安装以及基于多个学习模型的预测和策略匹配。这样实现了数据分析设备之间针对一个目标业务的多个学习模型的传输，并基于多个学习模型预测的预测结果确定该目标业务的执行策略，从而提高预测精度。

技术领域

本申请涉及通信技术领域，尤其是，涉及一种数据分析设备、多模型共决策系统及方法。

背景技术

随着通信技术的快速发展，用户可以使用的无线接入技术也越来越多，比如，2G，3G，4G，无线保真(wireless-fidelity，Wi-Fi)，以及正在快速发展的5G。与早期的以语音为主的2G网络相比，当前的各类接入技术使得无线网络中的网络行为和性能因素更加不可预测。为了提高对无线网络资源的利用率，灵活应对无线网络在传输和业务需求上的变化，人工智能和机器学习技术得到了快速发展，并为当前无线网络在网络资源的使用，以及应对传输和业务需求变化等方面提供了提升数据分析能力的基础。

机器学习是通过分析数据和经验从中获得规律，再利用规律对未知数据进行预测。通常机器学习主要包括数据采集、数据预处理和特征工程、训练和预测这四个步骤。其中，在训练的过程中单个训练算法训练结束后会产生一个机器学习模型，基于该训练模型对新的样本数据进行预测，得到相应的一个具体数据值或者一个具体分类结果。也就是说该机器学习的方式应用于无线网络时，针对一个通信业务只能利用一个机器学习模型进行预测。

但是，采用现有方案所支持一个模型进行预测，无法得到精确的预测结果，从而影响对业务的决策。

发明内容

有鉴于此，本申请实施例提供一种数据分析设备、多模型共决策系统及方法，用于提高预测结果的精确度。

本申请实施例提供如下技术方案：

本申请实施例第一方面提供了一种数据分析设备，数据分析设备包括：

通信接口，用于与另一数据分析设备建立通信连接；

处理器，用于依据组合学习算法对目标业务进行训练，获取多个学习模型，生成用于指示安装多个学习模型的安装消息，并通过通信接口向另一数据分析设备发送安装消息，多个学习模型中包括主模型和次模型，安装消息中包括主模型的描述信息、次模型的描述信息以及对多个学习模型的预测结果进行投票的投票决策信息。

通过上述方案，数据分析设备依据组合学习算法对目标业务进行训练得到多个学习模型，生成用于指示安装该多个学习模型的安装消息，并向另一个数据分析设备发送该安装消息，该安装消息用于触发多个学习模型的安装以及基于多个学习模型的预测和策略匹配。这样实现了数据分析设备之间针对一个目标业务的多个学习模型的传输，并基于多个学习模型预测的预测结果确定该目标业务的执行策略，从而提高预测精度。

在一种可能的设计中，投票决策信息包括：平均法投票决策信息；

平均法投票决策信息包括简单平均投票决策信息或加权平均决策信息；

或者，投票决策信息包括：基于投票数的决策信息；

基于投票数的决策信息包括绝对多数投票决策信息、相对多数投票决策信息，或加权投票决策信息。

上述方案，投票决策信息中所包含的信息，能够提供满足当前预测过程中任一符合需求的投票方式。

在一种可能的设计中，处理器还用于通过通信接口获取统计信息，根据统计信息优化目标业务的模型，其中，统计信息包括主模型的标识、预设时间间隔内每个学习模型执行模型预测的预测总次数、每个学习模型执行每次预测的预测结果和每次预测的最终预测结果。