[发明专利]一种系统资源调整方法、装置及设备

权利要求书

1.一种系统资源调整方法，其特征在于，应用于服务器，所述方法包括：

获取具有用于表征用户流失特征的特征数据的指定信息集、及标签集；所述指定信息集至少包括预测样本集及基准样本集；所述标签集包括基准样本集中的各基准样本所对应的用户流失结果；

利用所述基准样本集及所述标签集对应构建得到多个子分类器；其中，子分类器的数量为大于等于3的奇数；

调取所述预测样本集所对应的相似性矩阵，以利用所述相似性矩阵构建子分类器对所述预测样本集的预测样本进行用户流失预测的相似性损失；其中，所述相似性矩阵用于表征所述预测样本集的各预测样本在用户流失特征空间下的接近程度分布；

结合子分类器所对应的所述相似性损失，利用所述预测样本集对相应的子分类器进行优化，得到优化后的子分类器，以在基于所述优化后的子分类器评估目标用户得出的稳定值低于预设稳定值的情况下，调整提供给所述目标用户的系统资源。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

结合子分类器之间的差异性损失，利用所述预测样本集对各子分类器进行优化；其中，所述差异性损失用于表征任两个子分类器对所述预测样本集的预测样本进行用户流失预测的差异性特征。

3.根据权利要求1所述的方法，其特征在于，所述相似性矩阵采用下述方式构建：

s_i,j＝exp(-λ||x_i-x_j||²)

其中，S^U为相似性矩阵，其维度为|X^U|×|X^U|，|X^U|为预测样本集X^U中样本的数量，s_i,j用于表征预测样本x_i和x_j之间的相似性，λ为调节相似性度量的超参数。

4.根据权利要求1所述的方法，其特征在于，所述相似性损失采用下述方式构建：

其中，R_simi(f_k(X_U),S_U)表示第k个子分类器对预测样本集X^U的各预测样本进行用户流失预测的相似性损失，f_k(·)为第k个子分类器对预测样本进行预测的判别函数，S^U为相似性矩阵，x^m、xⁿ为预测样本集X^U中的预测样本。

5.根据权利要求2所述的方法，其特征在于，所述差异性损失采用下述方式构建：

其中，R_div(f_p(X^U),f_q(X^U))表示第p个子分类器与第q个子分类器对预测样本集X^U进行用户流失预测的差异性损失，f_p(·)、f_q(·)分别为第p个子分类器、第q个子分类器的判别函数，|X^U|预测样本集X^U中样本的数量，x为预测样本集X^U中的预测样本。