分类模型的训练方法、流量分析方法、装置及设备制造方法及图纸

本申请提供的一种分类模型的训练方法、流量分析方法、装置及设备，首先确定目标专线的流量分析数据，每条流量分析数据包含至少一个流量分析特征，随后，将流量分析数据划分为训练集、验证集和测试集，并根据流量分析特征的重要性评分，确定训练集的目标特征组合，然后根据目标特征组合，使用训练集对分类模型进行训练，最后，使用验证集和测试集，对训练后的分类模型进行参数调节。通过该方式，可以确定用于预测目标专线是否需要扩容的分类模型，后期通过获取目标专线的每日流量数据，处理并输入分类模型，可以得出目标专线是否需要扩容的预测结果，从而可以对专线现有宽带是否需要扩容进行高效地分析判断。进行高效地分析判断。进行高效地分析判断。

【技术实现步骤摘要】
分类模型的训练方法、流量分析方法、装置及设备


[0001]本专利技术涉及计算机网络
，尤其涉及一种分类模型的训练方法、流量分析方法、装置及设备。

技术介绍

[0002]互联网专线业务是运营商面向企业等客户的数据接入或互联业务，是运营商的重要业务之一。在专线业务开通交付之后，由于业务量增长等原因，专线现有带宽的容量可能不能再满足客户的需要。在此情况下，专线的网络性能将受到严重影响，例如，用户在使用网络时感受到卡顿或无法上网。因此，需要对专线现有宽带进行及时地扩容分析，以避免产生因宽带容量不足而影响网络质量的问题。
[0003]现有的专线宽带扩容分析方法主要依靠人工进行分析。在收到客户的排障需求后，运维人员通过采集与专线网络性能有关的数据，然后根据经验对数据进行处理、分析，进而确定专线现有宽带是否需要扩容。
[0004]然而，现有技术中，由于需要排障的专线涉及到的数据量庞大，需要处理、分析的专线性能指标较多，从而使得运维人员的任务量繁重、排障效率低，难以对专线现有宽带是否需要扩容进行高效地分析判断。
>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种分类模型的训练方法，其特征在于，所述方法包括：确定目标专线的流量分析数据，每条流量分析数据包含至少一个流量分析特征；将所述流量分析数据划分为训练集、验证集和测试集；根据所述流量分析特征的重要性评分，确定所述训练集的目标特征组合；根据所述目标特征组合，使用所述训练集对分类模型进行训练，所述分类模型用于通过循环迭代输出二分类的预测结果，所述预测结果用于指示所述目标专线是否扩容；使用所述验证集和所述测试集，对训练后的分类模型进行参数调节。2.根据权利要求1所述的方法，其特征在于，从所述训练集中的流量分析数据中确定出样本数据对分类模型进行训练，包括：从所述训练集中的每条流量分析数据中，确定出所述目标特征组合对应的流量分析特征，作为输入样本集中的输入向量；根据所述输入样本集和预设的输出样本集，构建输入输出矩阵，所述预设的输出样本集中的输出向量用于表征所述输出向量对应的流量分析数据的预测结果；使用所述输入输出矩阵，对所述分类模型进行训练。3.根据权利要求1所述的方法，其特征在于，在所述确定所述训练集的目标特征组合之前，所述方法还包括：计算所述训练集中的流量分析数据的流量分析特征的重要性变量；根据所述重要性变量，绘制所述流量分析特征的重要性排序图；根据所述重要性排序图，确定所述流量分析特征的重要性评分。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述将所述流量分析数据划分为训练集、验证集和测试集，包括：使用时间滑窗算法，将所述流量分析数据划分为训练集、验证集和测试集；其中，所述训练集、所述验证集和所述测试集中包括的流量分析数据的时间跨度相等。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述确定目标专线的流量分析数据，包括：获取所述目标专线的每日流量数据；对所述目标专线的每日流量数据进行预处理；根据预设的时间间隔，对预处理后的目标专线的每日流量数据进行分析，确定所述目标专线的至少一个流量分析特征；将所述至少一个流量分析特征组合确定为所述目标专线的流量分析数据。6.根据权利要求5所述的方法，其特征在于，所述预处理包括数据清洗和数据修正。7.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述流量分析特征，包括：流量峰值速率、流量平均速率、峰值带宽利用率、平均带宽利用率以及流量与峰值的比值超过阈值的时间。8.一种流量分析方法，其...

【专利技术属性】
技术研发人员：张成杭，赵晨晨，李伟哲，彭恩平，董事，王小林，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：