一种异常预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种异常预测方法、装置、电子设备及存储介质；所述方法包括：获取主板特征数据集和售后异常主板数据集；基于所述售后异常主板数据集，确定所述主板特征数据集包括的异常样本和正常样本；基于所述异常样本和正常样本，确定样本数据集；基于所述样本数据集，训练预设的异常预测模型，得到第一预测模型；将待测数据输入所述第一预测模型，并将所述第一预测模型的输出作为异常预测结果。如此，能够智能地预测主板的异常情况，提高了异常预测的精度和效率。的精度和效率。的精度和效率。

【技术实现步骤摘要】
一种异常预测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种异常预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着计算机技术的快速发展和广泛使用，人们对主板的异常情况进行预测逐渐成为计算机技术应用的主流。现有的异常预测方法，需要人工分析主板的待测数据以及人工统计异常情况，无法实时地对主板的异常情况进行预测。主板异常预测过程人工操作的时间长且异常预测的精度较低，人们更希望能够减少人工操作的时间并提高异常预测的精度。
[0003]因此，如何智能地预测主板的异常情况，以提高异常预测的精度和效率是一直追求的目标。

技术实现思路

[0004]本申请实施例提供了一种异常预测方法、装置、电子设备及存储介质。
[0005]根据本申请的第一方面，提供了一种异常预测方法，该方法包括：获取主板特征数据集和售后异常主板数据集；基于所述售后异常主板数据集，确定所述主板特征数据集包括的异常样本和正常样本；基于所述异常样本和正常样本，确定样本数据集；基于所述样本数据集，训练预设的异常预测模型，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常预测方法，其特征在于，所述方法包括：获取主板特征数据集和售后异常主板数据集；基于所述售后异常主板数据集，确定所述主板特征数据集包括的异常样本和正常样本；基于所述异常样本和正常样本，确定样本数据集；基于所述样本数据集，训练预设的异常预测模型，得到第一预测模型；将待测数据输入所述第一预测模型，并将所述第一预测模型的输出作为异常预测结果。2.根据权利要求1所述的方法，其特征在于，所述获取主板特征数据集和售后异常主板数据集，包括：基于预设的数据维度，获取主板特征数据；建立所述主板特征数据集，并将所述主板特征数据存储至所述主板特征数据集；获取所述售后异常主板数据集，所述售后异常主板数据集包括售后异常主板数据。3.根据权利要求2所述的方法，其特征在于，所述基于所述售后异常主板数据集，确定所述主板特征数据集包括的异常样本和正常样本，包括：基于所述主板特征数据集，确定每个所述主板特征数据对应的每个主板名称；基于所述售后异常主板数据集，确定每个所述售后异常主板数据对应的每个售后异常主板数据名称；对所述主板名称和所述售后异常主板数据名称进行交集计算，得到异常样本标签；确定所述异常样本标签对应的主板特征数据；将所述异常样本标签对应的主板特征数据确定为所述异常样本，并将所述主板特征数据集中除所述异常样本外的主板特征数据确定为所述正常样本。4.根据权利要求1所述的方法，其特征在于，所述基于所述异常样本和正常样本，确定样本数据集，包括：确定所述异常样本包括的第一样本，将所述异常样本中除所述第一样本外的主板特征数据作为第二样本；确定所述第一样本与所述第二样本之间的样本距离；响应于所述样本距离小于预设的距离阈值，将所述样本距离对应的第二样本确定为近邻样本；基于所述样本距离和所述近邻样本，对所述异常样本进行数据扩充，得到所述主板特征数据集对应的样本数据集。5.根据权利要求4所述的方法，其特征在于，所述基于所述样本距离和所述近邻样本，对所述异常样本进行数据扩充，得到所述主板特征数据集对应的样本数据集，包括：基于所述异常样本和所述正常样本，确定采样倍率；基于所述采样倍率，确定所述近邻样本包括的第一近邻样本；基于所述第一近邻样本、所述样本距离和所述第一样本，确定所述第一样本对应的扩充样本；将所述扩充样本存储至所述主板特征数据集，得到所述样本数据集。6.根据权利要求1所述的方法，其特征在于，所述基于所述异常样本和正常样本，确定
样本数据集之前，所述方法还包括：基于所述主板特征数据集，确定主板特征数据包括的第一特征值和第二特征值；所述第一特征值用于表征所述主板特征数据的最大值，所述第二特征值用于表征所述主板特征数据的最小值；基于所述第一特征值和第二特征值，对所述主板特征数据集包括的主板特征数据进行归一化处理，得到归一化处理后的主板特征数据集。7.根据权利要求1所述的方法，其特征在于，所述基于所述样本数据集，训练预设的异常预测模型，得到第一预测模型，包括：基于预设的第一比例，将所述样本数据集划分为训练数据集和验证数据集；将所述训练数据集包括的主板特征数据输入所述预设的异常预测模型，对所述预设的异常预测模型进行训练，得到训练后的异常预测模型；基于所述验证数据集，确定所述训练后的异常预测模型的第一预测结果；响应于所述第一预测结果满足预设的预测条件，将所述训练后的异常预测模型确定为所述第一预测模型。8.一种异常预测装置，其特征在于，所述异常预测装置包括：获取模块，用于获取主板特征数据集和售后异常主板数据集；确定模块...

【专利技术属性】
技术研发人员：袁振华，刘浩，王骏荣，钟权，张学钢，
申请(专利权)人：合肥联宝信息技术有限公司，
类型：发明
国别省市：