[发明专利]基于机器学习的数据实时监控方法以及装置

权利要求书

1.一种基于机器学习的数据实时监控方法，其特征在于，包括：

采用历史指标数据的真实值训练多层结构预测器，所述多层结构预测器中每层结构包括多个不同类型的预测器；

将待预测的未来时间段输入至训练完成的多层结构预测器中，输出未来指标数据的预测值；

根据所述未来指标数据的预测值和历史预测误差，计算告警阈值范围；

在所述未来指标数据的真实值超出所述告警阈值范围的情况下，触发告警。

2.根据权利要求1所述的方法，其特征在于，所述多个不同类型的预测器包括弹性网络预测器、决策树预测器、k近邻预测器、随机森林预测器、套索回归预测器、支持向量回归预测器以及梯度提升预测器。

3.根据权利要求1所述的方法，其特征在于，所述采用历史指标数据的真实值训练多层结构预测器，包括：

采用所述历史指标数据的真实值分别训练多个不同类型的第N-1层预测器，训练完成的第N-1层预测器用于预测所述历史指标数据的第N-1实际预测值；

采用全部的第N-1实际预测值混合得到的混合数据集和所述历史指标数据的目标预测值，训练至少一个第N层预测器，训练完成的第N层预测器用于预测所述历史指标数据的第N实际预测值，其中，N大于或等于2；

在层数N达到对应预设值的情况下，多个训练完成的第一层预测器至训练完成的第N层预测器构成所述多层结构预测器。

4.根据权利要求3所述的方法，其特征在于，还包括：

在所述层数N未达到对应预设值的情况下，返回执行所述采用全部的第N-1实际预测值混合得到的混合数据集和历史指标数据的目标预测值，训练至少一个第N层预测器的步骤。

5.根据权利要求3所述的方法，其特征在于，所述采用所述历史指标数据的真实值分别训练多个不同类型的第N-1层预测器，训练完成的第N-1层预测器用于预测所述历史指标数据的第N-1实际预测值，包括：

将所述历史指标数据的真实值拆分为第一数据集和第二数据集；

N＝2的情况下，采用所述第一数据集训练所述多个不同类型的第一层预测器，并将所述第二数据集输入至各个训练完成的第一层预测器中，得到对应的历史指标数据的第一实际预测值。

6.根据权利要求5所述的方法，其特征在于，所述N＝2的情况下，采用所述第一数据集训练所述多个不同类型的第一层预测器，并将所述第二数据集输入至各个训练完成的第一层预测器中，得到对应的历史指标数据的第一实际预测值，包括：

将所述第一数据集X1(x∈X1)映射到所述多个第一层预测器对应的特征转换函数f₁，f₂，...，f_M，得到转换特征f₁(x)...f_j(x)...f_M(x)，f_j(x)∈实数集；

采用所述转换特征f₁(x)，...f_j(x)...f_M(x)训练所述多个第一层预测器，得到多个训练完成的第一层预测器对应的第一层预测函数g₁...g_i...g_L；

将所述第二数据集X2(x∈X2)输入至各个第一层预测函数g_i(x)中，得到对应的历史指标数据的第一实际预测值；

其中，i＝1...L，j＝1...M，L≥1，M≥1，M≥L，M表示所述特征转换函数的数量，L表示所述第一层预测器的数量。