本申请公开了一种资源需求确定模型的训练方法，包括：获取训练特征和训练资源需求；基于训练特征和训练资源需求，训练资源需求确定模型，该资源需求确定模型用于确定多个特征的资源总需求。在训练资源需求确定模型时，通过第一损失函数和第二损失函数，更新多个特征中各个特征对应的权重，第一损失函数根据训练资源需求和资源需求确定模型输出的预测资源需求确定，第二损失函数根据多个特征中各个特征对应的权重确定，在多个特征中各个特征对应的权重为正数时，第二损失函数的值为0，在多个特征中各个特征对应的权重为负数时，第二损失函数的值不为0。利用本方案，可以准确的确定每一个特征的资源需求对资源总需求的具体贡献。个特征的资源需求对资源总需求的具体贡献。个特征的资源需求对资源总需求的具体贡献。
【技术实现步骤摘要】
一种资源需求确定模型的训练方法及装置
[0001]本申请涉及数据处理领域，特别是涉及一种资源需求确定模型的训练方法及装置。
技术介绍
[0002]分析和预估资源需求是运维工作中非常重要的一部分。比如通过多个网关入口的流量来推测集群所需要的中央处理器(central processing unit，CPU)数量，或者是通过行为特征数据确定需要部署的设备数量。
[0003]目前，可以训练资源需求确定模型的方式，确定资源需求。但是，采用这种方式，往往只能得到多个特征的资源总需求，而不能准确的确定每一个特征的资源需求对资源总需求的具体贡献。
[0004]因此，急需一种方案，能够解决上述问题。
技术实现思路
[0005]为了解决或者至少部分解决上述技术问题，本申请实施例提供了一种资源需求确定模型的训练方法及装置。
[0006]第一方面，本申请实施例提供了一种资源需求确定模型的训练方法，所述方法包括：
[0007]获取训练特征和训练资源需求，所述训练资源需求为所述训练特征所包括的多个特征的资源总需求；
[0008]基于所述训练特征和训练资源需求，训练资源需求确定模型，所述资源需求确定模型用于确定多个特征的资源总需求；其中：
[0009]在训练所述资源需求确定模型时，通过第一损失函数和第二损失函数，更新所述多个特征中各个特征对应的权重，所述第一损失函数根据所述训练资源需求和所述资源需求确定模型输出的预测资源需求确定，所述第二损失函数根据所述多个特征中各个特征对应的权重确定，在所述多个特征中各个特征对应的权重为正数时，所述第二损失函数的值为0，在所述多个特征中各个特征对应的权重为负数时，所述第二损失函数的值不为0。
[0010]可选的，所述第一损失函数为平方差损失函数。
[0011]可选的，所述第二损失函数，根据所述各个特征中每个特征的损失项确定，所述多个特征包括第一特征，所述第一特征的损失项，根据所述第一特征的权重的绝对值与所述第一特征的权重的差值确定。
[0012]可选的，所述第二损失函数，根据所述每个特征的损失项的和确定。
[0013]可选的，所述资源需求确定模型为线性模型。
[0014]可选的，所述方法还包括：
[0015]获取待分析特征，根据所述待分析特征和所述待分析特征对应的权重，确定所述待分析特征对应的资源需求贡献量，所述多个特征包括所述待分析特征。
[0016]第二方面，本申请实施例提供了一种资源需求确定模型的训练装置，所述装置包括：
[0017]第一获取单元，用于获取训练特征和训练资源需求，所述训练资源需求为所述训练特征所包括的多个特征的资源总需求；
[0018]训练单元，用于基于所述训练特征和训练资源需求，训练资源需求确定模型，所述资源需求确定模型用于确定多个特征的资源总需求；其中：
[0019]在训练所述资源需求确定模型时，通过第一损失函数和第二损失函数，更新所述多个特征中各个特征对应的权重，所述第一损失函数根据所述训练资源需求和所述资源需求确定模型输出的预测资源需求确定，所述第二损失函数根据所述多个特征中各个特征对应的权重确定，在所述多个特征中各个特征对应的权重为正数时，所述第二损失函数的值为0，在所述多个特征中各个特征对应的权重为负数时，所述第二损失函数的值不为0。
[0020]可选的，所述第一损失函数为平方差损失函数。
[0021]可选的，所述第二损失函数，根据所述各个特征中每个特征的损失项确定，所述多个特征包括第一特征，所述第一特征的损失项，根据所述第一特征的权重的绝对值与所述第一特征的权重的差值确定。
[0022]可选的，所述第二损失函数，根据所述每个特征的损失项的和确定。
[0023]可选的，所述资源需求确定模型为线性模型。
[0024]可选的，所述装置还包括：
[0025]第二获取单元，用于获取待分析特征；
[0026]确定单元，用于根据所述待分析特征和所述待分析特征对应的权重，确定所述待分析特征对应的资源需求贡献量，所述多个特征包括所述待分析特征。
[0027]第三方面，本申请实施例提供了一种设备，所述设备包括处理器和存储器；
[0028]所述处理器用于执行所述存储器中存储的指令，以使得所述设备执行以上第一方面任一项所述的方法。
[0029]第四方面，本申请实施例提供了一种计算机可读存储介质，包括指令，所述指令指示设备执行以上第一方面任一项所述的方法。
[0030]第五方面，本申请实施例提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行以上第一方面任一项所述的方法。
[0031]与现有技术相比，本申请实施例具有以下优点：
[0032]本申请实施例提供了一种资源需求确定模型的训练方法，在一个示例中，所述方法包括：获取训练特征和训练资源需求，所述训练资源需求为所述训练特征所包括的多个特征的资源总需求。基于所述训练特征和所述训练资源需求，训练资源需求确定模型。资源需求确定模型用于确定多个特征的资源总需求。其中，在训练所述资源需求确定模型时，可以通过第一损失函数和第二损失函数来更新所述多个特征中各个特征对应的权重。所述第一损失函数可以根据所述训练资源需求和所述资源需求确定模型输出的预测资源需求确定，基于所述第一损失函数，可以使得在训练过程中，所述资源需求确定模型输出的预测结果接近于训练资源需求。所述第二损失函数根据所述多个特征中各个特征对应的权重确定，在所述多个特征中各个特征对应的权重为正数时，所述第二损失函数的值为0，在所述多个特征中各个特征对应的权重为负数时，所述第二损失函数的值不为0。通过所述第二损
失函数可以使得所述各个特征对应的权重为正数，相应的，所述各个特征对应的权重为正数，则可以基于所述各个特征对应的权重来确定各个特征对资源总需求的具体贡献。由此可见，利用本申请实施例的方案，可以准确的确定每一个特征的资源需求对资源总需求的具体贡献。
附图说明
[0033]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本申请实施例提供的一种资源需求确定模型的训练方法的流程示意图；
[0035]图2为本申请实施例提供的一种资源需求确定模型的训练方法的流程示意图
。
具体实施方式
[0036]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种资源需求确定模型的训练方法，其特征在于，所述方法包括：获取训练特征和训练资源需求，所述训练资源需求为所述训练特征所包括的多个特征的资源总需求；基于所述训练特征和训练资源需求，训练资源需求确定模型，所述资源需求确定模型用于确定多个特征的资源总需求；其中：在训练所述资源需求确定模型时，通过第一损失函数和第二损失函数，更新所述多个特征中各个特征对应的权重，所述第一损失函数根据所述训练资源需求和所述资源需求确定模型输出的预测资源需求确定，所述第二损失函数根据所述多个特征中各个特征对应的权重确定，在所述多个特征中各个特征对应的权重为正数时，所述第二损失函数的值为0，在所述多个特征中各个特征对应的权重为负数时，所述第二损失函数的值不为0。2.根据权利要求1所述的方法，其特征在于，所述第一损失函数为平方差损失函数。3.根据权利要求1所述的方法，其特征在于，所述第二损失函数，根据所述各个特征中每个特征的损失项确定，所述多个特征包括第一特征，所述第一特征的损失项，根据所述第一特征的权重的绝对值与所述第一特征的权重的差值确定。4.根据权利要求3所述的方法，其特征在于，所述第二损失函数，根据所述每个特征的损失项的和确定。5.根据权利要求1所述的方法，其特征在于，所述资源需求确定模型为线性模型。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取待分析特征，根据所述待分析特征和所述待分析特征对应的权重，确定所...
【专利技术属性】
技术研发人员：王远程，杨晶生，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。