买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中盈优创资讯科技有限公司

摘要：本发明公开一种基于RF‑XGBOOST的业务故障预测方法及装置，其中，该方法包括：建业务监控指标，对采集的指标数据进行预处理形成样本；将样本数据分为训练集和测试集，基于训练集分别构建RF模型和XGBOOST模型，并通过权重线性组合两种模型构建RF‑XGBOOST模型；基于测试集对RF‑XGBOOST模型进行评价；利用RF‑XGBOOST模型对业务进行实时监控，对预测故障的结果进行告警，并进行告警处置；对预测错误的结果通过人工研判进行校正并记录；将未来一段时间内的真实数据纳入模型样本中。该方法及装置通过构建RF‑XGBOOST模型的不断训练，将机器学习与专家经验优势互补，进行故障预判和预处理。

主权项：1.一种基于RF-XGBOOST的业务故障预测方法，其特征在于，该方法包括：构建业务监控指标，对采集的指标数据进行预处理形成样本；将样本数据分为训练集和测试集，基于训练集分别构建RF模型和XGBOOST模型，并通过权重线性组合两种模型构建RF-XGBOOST模型；基于测试集对RF-XGBOOST模型进行评价；RF模型构建过程如下：选取业务监控指标作为输入变量，利用训练集构建RF模型，训练集的样本量为0.8n，n为样本数量，RF模型的输出结果为预测值和预测概率；假设第i个样本的RF模型预测值为wi，RF模型预测概率为xi，则RF模型的预测概率向量为X＝x1,x2,……,x0.8n；利用公式1计算出RF模型的识别准确率为α，α＝F1，公式1如下： 其中，T为被预测为正的正样本分类数，P为被预测为正的负样本分类数，Q被预测为负的正样本分类数；XGBOOST模型构建过程如下：选取业务监控指标作为输入变量，利用训练集构建XGBOOST模型，训练集的样本量为0.8n，n为样本数量，XGBOOST模型的输出结果为预测值和预测概率；假设第i个样本的XGBOOST模型预测值为Wi，XGBOOST模型预测概率为yi，则XGBOOST模型的预测概率向量为Y＝y1,y2,……,y0.8n；利用公式1计算出XGBOOST模型的识别准确率为β，β＝F1，公式1如下： 其中，T为被预测为正的正样本分类数，P为被预测为正的负样本分类数，Q被预测为负的正样本分类数；RF-XGBOOST模型构建过程如下：假设RF模型的权重为XGBOOST模型的权重为则将RF模型的预测概率向量X和XGBOOST模型的预测概率向量Y按权重线性组合的预测概率向量Z如下： 假设向量Z为RF-XGBOOST模型的预测概率向量，RF-XGBOOST模型的阈值为ε，则第i个样本的RF-XGBOOST模型预测值为gi： 若RF-XGBOOST模型预测值gi值为1，则代表发生故障，否则未发生故障；因此，RF-XGBOOST模型预测值向量G如下：G＝g1,g2,……g0.8n4；利用RF-XGBOOST模型对业务进行实时监控，对预测故障的结果进行告警，并进行告警处置；对预测错误的结果通过人工研判进行校正并记录；将未来一段时间内的真实数据纳入模型样本中。

全文数据：

权利要求：

百度查询： 中盈优创资讯科技有限公司 一种基于RF-XGBOOST的业务故障预测方法及装置