一种数据分析系统会诊方法及相关装置制造方法及图纸

本公开是关于一种数据分析系统会诊方法及相关装置，属于机器学习应用技术领域，该方法包括：当接收到数据分析系统的测试指令时，对所述数据分析系统进行实时测试，并输出测试结果；判断所述测试结果是否通过；若所述测试结果为未通过，获取所述测试结果未通过对应的所述预定上限值及所述上限值中的目标限值，以及所述测试结果超出所述目标限值的差值；将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型，输出测试调整方案。本公开通过训练机器学习模型，根据会诊要素自动、准确、快速的进行会诊得到会诊方案，进而有效提高系统的调整效率。

【技术实现步骤摘要】
一种数据分析系统会诊方法及相关装置
本公开涉及机器学习应用
，具体而言，涉及一种数据分析系统会诊方法及装置。
技术介绍
数据分析系统是通过数据分析系统对各种指标的数据信息进行加工、整理，计算得到各种分析指标，转变为易于被人们所接受的信息形式，并可以将处理后的信息进行贮存的系统。数据分析系统在从开发到投入使用，或者升级等过程都需要进行测试，发现这些系统中存在的问题；这个测试过程一般是通过测试系统进行的，测试系统在对软件系统测试时会得到相应的测试结果。然后，如果测试系统的测试结果通过，则不需要测试人员进行调整数据分析系统；但是如果测试系统的测试结果没有通过，则需要测试人员进行通过不断的修改、检索、查找如何调整使得测试结果通过的方案，调整的效率非常低。所以需要一种可以自动根据测试系统的测试结果进行会诊，得到如何调整使得测试结果通过的方案的方法；可以准确、快速预测输出调整方案，进而有效提高调整效率。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种数据分析系统会诊方案，进而至少在一定程度上在实现自动、准确、快速的对测试系统的测试结果进行会诊得到会诊方案，进而有效提高系统的调整效率。根据本公开的一个方面，提供一种数据分析系统会诊方法，包括：当接收到用于对目标指标的数据进行分析的数据分析系统的测试指令时，对所述数据分析系统进行实时测试，并输出测试结果；判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过；若所述测试结果为未通过，获取所述测试结果为未通过时对应的所述预定上限值及所述预定下限值中的目标限值，计算所述测试结果超出所述目标限值的差值；将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型，输出测试调整方案，其中，所述测试调整方案用于指示如何调整使得测试结果为通过。本公开的一种示例性实施例中，按照不同类型的目标指标分别训练有对应于不同类型的目标指标的机器学习模型，则所述将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型进行训练，输出测试调整方案，包括：获取所述目标指标的类型对应的预先训练好的机器学习模型；将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入所述目标指标的类型对应的预先训练好的机器学习模型，输出测试调整方案。本公开的一种示例性实施例中，所述机器学习模型的训练方法包括：收集事先标记了如何调整使得测试结果为通过的测试调整方案的包括目标指标的数据、所述测试结果、所述差值以及所述目标限值的样本的集合；将所述样本的集合中每个样本分别输入机器学习模型，调整机器学习模型输出每个所述样本对应的测试调整方案；如果存在有所述样本输入机器学习模型后，机器学习模型的输出与所述样本对应的测试调整方案不一致，则调整机器学习模型的系数直到一致；当所有的所述样本输入机器学习模型后，机器学习模型的输出与所述样本对应的测试调整方案一致，机器学习模型的训练结束。本公开的一种示例性实施例中，所述判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外则测试结果为未通过，包括：从预设限值表中，获取所述测试结果对应的所述目标指标的数据对应的所述预定上限值和所述预定下限值；根据所述预定上限值和所述预定下限值，判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外则测试结果为未通过。本公开的一种示例性实施例中，所述方法还包括：从调整方案记录表中，获取机器学习模型输出的测试调整方案中每个可能的子调整方案的历史选择率；向用户输出历史选择率超过预定阈值的多个所述子调整方案。本公开的一种示例性实施例中，所述方法还包括：获取所述数据分析系统的当前版本对于所述当前版本之前的上一版本的第一调整目标；获取所述测试调整方案的第二调整目标；根据所述第一调整目标及所述第二调整目标获取所述测试调整方案的正确性概率。本公开的一种示例性实施例中，所述根据所述第一调整目标及所述第二调整目标获取所述测试调整方案的正确性概率，包括：获取所述第一调整目标对应的调整影响函数；根据所述第二调整目标获取所述调整函数中每个调整变量的调整系数；根据所述调整系数及所述调整影响函数，获取所述测试调整方案的正确性概率。根据本公开的一个方面，提供一种数据分析系统会诊装置，其特征在于，包括：测试模块，用于当接收到用于对目标指标的数据进行分析的数据分析系统的测试指令时，对所述数据分析系统进行实时测试，并输出测试结果；判断模块，用于判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过；获取模块，用于若所述测试结果为未通过，获取所述测试结果为未通过时对应的所述预定上限值及所述预定下限值中的目标限值，计算所述测试结果超出所述目标限值的差值；输出模块，用于将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型，输出测试调整方案，其中，所述测试调整方案用于指示如何调整使得测试结果为通过。根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有数据分析系统会诊程序，其特征在于，所述数据分析系统会诊程序被处理器执行时实现上述任一项所述的方法。根据本公开的一个方面，提供一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的数据分析系统会诊程序；其中，所述处理器配置为经由执行所述数据分析系统会诊程序来执行上述任一项所述的方法。本公开一种数据分析系统会诊方法及装置，首先，当接收到在对目标指标的数据进行分析的数据分析系统的测试指令，对所述数据分析系统进行实时测试，并输出测试结果；数据分析系统对一种类型的指标的数据进行分析得到处理结果，测试系统在处理过程实时测试，根据处理结果和预定的基准结果的计算差值得到测试结果，实现实时测试。判断测试结果是否通过，其中，若测试结果在预定上限值和预定下限值之外则测试结果为未通过；测试结果如果超出预先给定的合理的预定阈值范围这样说明数据分析系统内部出现了问题，正常的处理是不会得到超出该预定范围的指标值。若测试结果为未通过，获取测试结果未通过对应的预定上限值及预定下限值中的目标限值，以及测试结果超出目标限值的差值；测试结果未通过说明数据分析系统内部存在错误，需要对测试结果进行会诊，测试结果超出预定阈值范围的情况可以准确指引不同的内部错误，通过超过所述包括预定上限值和预定下限值的预定限值范围的预定上限值或者预定下限值的差值，可以结合其它数据准确的针对该指标进行分析，提高会诊的准确率。将目标指标的数据、测试结果、差值以及目标限值一起输入预先训练好的机器学习模型，输出测试调整方案，其中，测试调整方案用于指示如何调整使得测试结果为通过；通过将上述用于会诊的因素输入根据会诊因素样本训练好的机器学习模型，可以自动、准确和高效的得到如何调整使得测试结果通过的方案，有效提高解决问题的效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说本文档来自技高网...

【技术保护点】
1.一种数据分析系统会诊方法，其特征在于，包括：当接收到用于对目标指标的数据进行分析的数据分析系统的测试指令时，对所述数据分析系统进行实时测试，并输出测试结果；判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过；若所述测试结果为未通过，获取所述测试结果为未通过时对应的所述预定上限值及所述预定下限值中的目标限值，计算所述测试结果超出所述目标限值的差值；将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型，输出测试调整方案，其中，所述测试调整方案用于指示如何调整使得测试结果为通过。

【技术特征摘要】
1.一种数据分析系统会诊方法，其特征在于，包括：当接收到用于对目标指标的数据进行分析的数据分析系统的测试指令时，对所述数据分析系统进行实时测试，并输出测试结果；判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过；若所述测试结果为未通过，获取所述测试结果为未通过时对应的所述预定上限值及所述预定下限值中的目标限值，计算所述测试结果超出所述目标限值的差值；将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型，输出测试调整方案，其中，所述测试调整方案用于指示如何调整使得测试结果为通过。2.根据权利要求1所述的方法，其特征在于，按照不同类型的目标指标分别训练有对应于不同类型的目标指标的机器学习模型，则所述将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入预先训练好的机器学习模型进行训练，输出测试调整方案，包括：获取所述目标指标的类型对应的预先训练好的机器学习模型；将所述目标指标的数据、所述测试结果、所述差值以及所述目标限值一起输入所述目标指标的类型对应的预先训练好的机器学习模型，输出测试调整方案。3.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练方法包括：收集事先标记了如何调整使得测试结果为通过的测试调整方案的包括目标指标的数据、所述测试结果、所述差值以及所述目标限值的样本的集合；将所述样本的集合中每个样本分别输入机器学习模型，调整机器学习模型输出每个所述样本对应的测试调整方案；如果存在有所述样本输入机器学习模型后，机器学习模型的输出与所述样本对应的测试调整方案不一致，则调整机器学习模型的系数直到一致；当所有的所述样本输入机器学习模型后，机器学习模型的输出与所述样本对应的测试调整方案一致，机器学习模型的训练结束。4.根据权利要求1所述的方法，其特征在于，所述判断所述测试结果是否通过，其中，若所述测试结果在预定上限值和预定下限值之外，则测试结果为未通过，包括：从预设限值表中，获取所述测试结果对应的所述目标指标的数据对应的所述预定上限值和所述预定下限值；根据所述预定上限值...

【专利技术属性】
技术研发人员：陈家荣，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44