智能建造概論-裝配式建筑工程技術專42課件講解_第1頁
智能建造概論-裝配式建筑工程技術專42課件講解_第2頁
智能建造概論-裝配式建筑工程技術專42課件講解_第3頁
智能建造概論-裝配式建筑工程技術專42課件講解_第4頁
智能建造概論-裝配式建筑工程技術專42課件講解_第5頁
已閱讀5頁，還剩6頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

智能建造概論裝配式建筑工程技術專業教學資源庫功能模塊層模塊六—智能運維主講人：在智能運維（AIOps）平臺落地的實踐中，算法和數據的融合，第一步是數據的采集和匯聚，通過前文介紹的關鍵技術，我們已經獲得了質量標準歸一化的、經過了提取和轉換的、時間/空間/業務維度標記清楚的數據，需要補充的是數據預處理相關的核心要點。功能模塊在數據挖掘中，海量原始數據中存在大量不完整(有缺失值)、不一致或有異常的數據，嚴重影響到數據挖掘建模的執行效率，甚至可能導致挖掘結果的偏差。數據預處理的目的是提高數據質量，從而提升數據挖掘的質量。方法包括數據清洗、數據集成和轉換，以及數據歸約。1、數據預處理通過數據預處理，可以去掉數據中的噪音，糾正不一致；數據集成將數據由多個源合并成一致的數據存儲，如數據倉儲或數據立方；數據變換(如規范化)也可以使用，例如規范化可以改進涉及距離度量的挖掘算法的精度和有效性；數據規約可以通過合并、刪除冗余特征或聚類來壓縮數據。這些數據處理技術在數據挖掘之前使用，可以大大提高數據挖掘模式的質量，降低實際挖掘所需要的時間。1、數據預處理需要注意，有些算法對異常值非常敏感。任何依賴均值/方差的算法都對離群值敏感，因為這些統計量受極值的影響極大。另一方面，一些算法對離群點具有更強的魯棒性。數據分析中的描述性統計分析認為：當我們面對大量信息的時候，經常會出現數據越多，事實越模糊的情況，因此我們需要對數據進行簡化，描述統計學就是用幾個關鍵的數字來描述數據集的整體情況。1、數據預處理在智能運維（AIOps）算法分析系統中，不同算法對應不同的適配場景，需要根據數據特征模式來選擇合適的算法應用。如指標異常算法的應用：針對周期穩定的數據，我們采取動態極限的模型；針對周期不穩定的數據，采用頻域分析的模型；針對穩定的數據采用極限閾值判斷的模型。通過模型選擇的算法，對于相同的數據的模型進行適配，達到最優的效果。2、算法工程集成因此，想要以開箱即用的方式、采用某種標準的機器學習算法直接應用，而不考慮業務特征，通常并不可行。2、算法工程集成我們需要首先考慮該組業務指標間的關聯性，如果有應用或系統間的調用鏈或調用拓撲供參考，這是最好不過的。如果沒有調用鏈或拓撲，則需要先根據已知可能的業務相關性，進行曲線波動關聯、回歸分析等算法分析，獲得極限閾值嘗試得到因果匹配，通過一系列的事件歸集得到相關性，再對每一次反饋進行適應，嘗試自動匹配更為準確的算法和參數，才可能達到期望的異常檢測目標。2、算法工程集成智能運維的工程化過程，是一個算法、算力與數據相結合，平臺自身與業務系統反饋相結合的復雜過程。在與業務場景結合的前提下，靈活的算

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論